Predictive equations of forage nutritive value for use under Québec's environmental conditions
Bibliographic record
Abstract
L'objectif principal de ce projet était de déterminer si les équations de prédiction développées aux États-Unis peuvent être utilisées au Québec pour prédire au champ la valeur nutritive de mélanges luzerne-graminées. Ces équations utilisent des mesures simples qui peuvent être rapidement déterminées en champ par un producteur agricole ou un conseiller/agronome pour prédire des variables importantes telle la concentration en fibres insolubles au détergent neutre (NDF) et ainsi permettre la récolte des fourrages à un stade optimal. Dans un premier temps, le but était de déterminer si des équations développées dans l'état de New York pour la croissance printanière pouvaient être utilisées au Québec, et dans un deuxième temps, de développer des équations spécifiques pour le Québec afin de déterminer la valeur nutritive des fourrages pour les deux premiers cycles de croissance et pour un nombre plus élevé de variables de valeur nutritive. Les résultats démontrent que les équations développées pour la croissance printanière dans l'état de New York ont le potentiel d'être utilisées au Québec pour prédire certaines variables incluant les concentrations en NDF et en fibres insolubles au détergent acide (ADF). Cependant, les équations développées au Québec permettent non seulement de prédire la valeur nutritive lors du premier cycle de croissance mais aussi lors du deuxième. Si les résultats sont excellents pour certaines variables comme les concentrations en NDF et ADF, ce n'est pas le cas pour d'autres incluant la concentration en protéines brutes. Les équations développées au Québec ont finalement été validées en utilisant des échantillons prélevés sur des fermes commerciales dans 12 régions de la Province. Cette validation a démontré que certaines équations peuvent être utilisées à travers la Province pour prédire la concentration en NDF et la « Relative Feed Value » (RFV) si les proportions luzerne:graminées sont déterminées avec précision. Ce projet fournit un outil simple permettant aux producteurs agricoles québécois de déterminer le moment opportun pour récolter leur fourrage.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".