Évaluation des mélanges multi-espèces de cultures de couverture en grandes cultures biologiques
Bibliographic record
Abstract
La gestion de l’azote (N) est un défi pour les producteurs de maïs-grain (Zea mays L.) biologique qui comptent sur les cultures de couverture (CC) pour combler les besoins en N de cette culture. L’objectif de cette étude était de déterminer l’effet de mélanges de CC semés en dérobée sur l’approvisionnement en N du maïs-grain. Une expérience de deux ans a été répétée sur trois années sites. Le dispositif expérimental était un plan factoriel en tiroir avec quatre blocs, où les CC étaient en parcelles principales : un témoin enherbé sans CC, une CC de pois (Pisum sativum L.) et des mélanges de 2, de 6 et de 12 espèces. La fertilisation organique du maïs-grain était en parcelle secondaire (0 ou 120 kg N ha-1 ). Aux trois années-sites, la proportion du pois fourrager variait entre 45 et 93 % de la biomasse aérienne des mélanges. La CC de pois a produit la biomasse aérienne la plus élevée (2,636 kg ha-1 ), mais la biomasse racinaire la plus faible (693 kg ha-1 ) en comparaison avec les mélanges. Le contenu en N de la biomasse aérienne totale variait entre 8 et 140 kg N ha-1 , alors que le contenu en N de la biomasse racinaire était en moyenne de 13 kg N ha-1 . À l’implantation des CC, la biomasse des plantes adventices était inversement corrélée à la biomasse aérienne des CC. Le rendement le plus élevé de maïs-grain a été observé dans la CC de pois et les mélanges de 2 et de 12 espèces, tandis que le rendement le plus faible, dans le témoin enherbé et le mélange de 6 espèces. Finalement, la fertilisation organique a permis d'augmenter le rendement du maïs-grain de 10 % en moyenne. D’autres pratiques innovantes de gestion des CC sont nécessaires pour rendre le système de culture du maïs-grain biologique plus productif.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".