Valeur nutritive, rendement, persistance et rentabilité de cultivars de luzerne (Medicago sativa L.) plus digestibles récoltés à différents stades de développement sous les conditions bioclimatiques du Québec
Bibliographic record
Abstract
Des cultivars de luzerne (Medicago sativa L.) à digestibilité améliorée, conventionnellement sélectionnés ou génétiquement modifiés (GM), sont utilisés au Québec. L'objectif du projet était de comparer le rendement, la valeur nutritive, la survie à l'hiver et la rentabilité des cultivars de luzerne plus digestibles cultivés sous deux intervalles de coupe au Québec. Huit cultivars ont été évalués : deux GM; quatre sélectionnés conventionnellement, soit deux à faible teneur en lignine, un riche en pectine et un à dégradabilité enzymatique améliorée des tiges; et deux témoins. Chaque cultivar devait être récolté au stade début boutons ou au stade moins de 10 % en fleurs à trois sites. Les cultivars ont tous survécu aux conditions hivernales. En première année de production, les cultivars ont eu un rendement annuel comparable à celui des témoins, sauf le cultivar sélectionné pour une dégradabilité améliorée des tiges (-13 %). Les cultivars GM avaient une digestibilité in vitro de la fibre insoluble au détergent neutre (NDFd) de 4,7 unités de % supérieure et une teneur en fibres insolubles au détergent neutre (aNDF), de 1,0 unité de % inférieure à celles des témoins. Les cultivars sélectionnés conventionnellement avaient une NDFd similaire à celles des témoins. Les cultivars GM offraient une plus grande flexibilité de récolte. Avec une coupe de moins par an lorsque récoltés au stade début floraison, les cultivars GM avaient un rendement annuel de 1,0 Mg MS ha-1 supérieur, une NDFd similaire, une teneur en protéines brutes inférieure (-3,1 unités de %), et des teneurs en aNDF (+5,6 unités de %) et en lignine (+0,16 unité de %) supérieures à ceux des cultivars témoins récoltés au stade début boutons. L'utilisation de cultivars de luzerne GM peut permettre une meilleure flexibilité de récolte, accroître la digestibilité de la ration, et ainsi potentiellement améliorer l'efficacité alimentaire des vaches
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".