Typensitojakasvien viljely tavanomaisessa nurmituotannossa
Bibliographic record
Abstract
Kemiallisten lannoitteiden jyrkän hinnannousun seurauksena nurmen viljelyn taloudellinen kannattavuus on laskenut. Typensitojakasvien käytöllä nurmen tuotannossa viljelyn kannattavuutta on mahdollista parantaa merkittävästi. Opinnäytetyössä laadittiin typensitojakasvien viljelyä tavanomaisessa nurmituotannossa kattavasti esittelevä paketti, jota voivat hyödyntää niin maatilaneuvojat kuin viljelijätkin. Työ tehtiin yhteistyössä ProAgria Etelä-Karjalan kanssa. \n \nTämä opinnäytetyö on tutkielmatyyppinen ja se koostuu teoriaosuudesta sekä tutkimukseen liittyvästä osuudesta. Teoriaosuudessa esitellään typensitojakasveihin liittyvää teoriaa kuten viherlannoitus sekä typensidonta ja joitakin typensitojakasveja sekä tarkastellaan puna-apilan käytön taloudellista kannattavuutta nurmituotannossa. Tutkimukseen liittyen esitellään käytetty menetelmä, teemahaastattelu, sekä esitellään haastattelujen tulokset ja niistä tehdyt johtopäätökset. \n \nTeemahaastattelu eteni ennalta päätettyjen teemojen avulla ilman tarkkoja kysymyksiä. Teemoiksi valittiin typensitojakasvien viljelyn nykytilanne, ongelmat, hyödyt ja tulevaisuus. Tutkimusta varten haastateltiin kuutta Maaseutukeskusten kasvinviljelyvastaavaa Etelä- ja \nKaakkois-Suomen alueella. Haastattelut tehtiin joko puhelimitse tai paikan päällä. \n \nHaastatteluista kävi ilmi, että typensitojakasvien viljelyala on Etelä- ja Kaakkois-Suomen alueella tällä hetkellä (kevät 2009) melko vähäinen, mutta tulee todennäköisesti kasvamaan \ntulevaisuudessa. Suurimmat ongelmat typensitojakasvien viljelyssä liittyivät siemenen huonoon saatavuuteen, puna-apilan lyhytikäisyyteen nurmissa sekä viljelijöiden ennakkoluuloihin ja pelkoihin. Ennakkoluuloja voisi vähentää järjestämällä erilaisia asiasta tiedottavia hankkeita. Päätös typensitojakasvien viljelyn aloittamisesta perustui useimmiten sen taloudelliseen kannattavuuteen, etenkin kemiallisen lannoituksen vähenemisen kautta.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.080 | 0.033 |
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".