Le bleuet sauvage au Saguenay-Lac-Saint-Jean : comment mieux le produire ?
Bibliographic record
Abstract
Le rendement en fruits du bleuet nain (Vaccinium angustifolium et Vaccinium myrtilloides) est variable puisqu'il dépend de plusieurs facteurs, dont certains peuvent être influencés par les pratiques agricoles effectuées par les producteurs. L'objectif principal de cette recherche est donc d'expérimenter l'impact des principales pratiques sur le rendement en fruits du bleuet et d'autres variables connexes comme le nombre et la hauteur des tiges, l’état nutritionnel de la plante ainsi que la présence des maladies et des plantes indésirables. Les pratiques testées dans le cadre de ce projet sont i) le type de fauche (mécanique ou thermique), ii) l'utilisation de fongicide (avec ou sans) et iii) l'apport d'engrais (minéral, organique ou sans engrais). Cette étude s'est déroulée à la bleuetière d’enseignement et de recherche (BER) localisée à Normandin, Québec, Canada. Deux sites de quatre blocs divisés en douze combinaisons spécifiques de traitements comprenant les trois facteurs étudiés ont été disposés selon un dispositif de recherche en tiroir à 96 parcelles ou unités expérimentales. Aucune des pratiques à l’étude a affecté significativement la présence des plantes indésirables. Le brûlage n'a pas entraîné de gain de rendement, ni d'amélioration cohérentes des autres paramètres évalués. L’application de fongicide a entraîné un gain de rendement en fruits de 212 kg ha-1, une diminution de près de 1% du taux de maladies foliaires et une augmentation du nombre de tiges par unité de surface lorsqu'ils sont combinés avec un engrais minéral. La fertilisation minérale a également réduit la présence des maladies, amélioré l’état nutritionnel de la plante et engendré un gain de rendement de 853 kg ha-1. Enfin, la fertilisation organique a accru les rendements de 691 kg ha-1, tout en améliorant plusieurs traits tels que la hauteur des tiges et la teneur des feuilles et des fruits en nutriments. Les applications de fongicide et d'engrais ont également augmenté la quantité de nutriments exportés par les fruits à la suite des récoltes. De ce fait, il serait pertinent d’axer les prochains suivis sur les nutriments foliaires et du sol pour assurer la durabilité des systèmes de production.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".