MétaCan
Menu
← Retour à la cohorte
Enregistrement W1743261047

عکسالعمل کلزا به مقادیر مختلف بذر در واحد سطح در شرایط دیم استان کرمانشاه

2012· article· fa· W1743261047 sur OpenAlexaboutno aff
علیرضا زبرجدی, مختار قبادی

Notice bibliographique

Revueدوفصلنامه فنآوری تولیدات گیاهی · 2012
Typearticle
Languefa
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNitrogen and Sulfur Effects on Brassica
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematicsBrassicaBotanyBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

به­منظور بررسی تاثیر میزان‌های مختلف بذر بر عملکرد دانه و اجزای عملکرد کلزا در شرایط دیم کرمانشاه، آزمایشی در طی دو سال زراعی (1385-1387) اجرا گردید. در هر سال، آزمایش به­صورت فاکتوریل و در قالب طرح آماری بلوک‌های کامل تصادفی با چهار تکرار پیاده شد. تیمارها شامل دو رقم کلزا Brassica napus var. Okapi ،B. juncea var. Lethbridge و شش میزان بذر 6، 8، 10، 12، 14 و 16 کیلوگرم در هکتار بودند. نتایج نشان داد بین دو سال آزمایش از نظر عملکرد دانه، تفاوت معنی­داری مشاهده نگردید. دو رقم از نظر صفات عملکرد دانه، تعداد بوته در متر مربع، تعداد بذر در غلاف، وزن هزار دانه و ارتفاع بوته دارای تفاوت معنی­دار بودند. میزان­های مختلف بذر نیز از نظر کلیه صفات مورد بررسی به­غیر از تعداد غلاف در بوته تفاوت معنی­دار نشان دادند. از نظر عملکرد دانه در هر دو ژنوتیپ با افزایش میزان بذر مصرفی از 6 کیلوگرم تا 10 کیلوگرم در هکتار روند افزایشی در این صفت مشاهده گردید و سپس با افزایش بیشتر میزان بذر یعنی از 12 کیلوگرم تا 16 کیلوگرم در هکتار روند عملکرد به­صورت کاهشی بود. البته روند افزایش ثابت نبوده است به­عبارتی به همان نسبت که به میزان بذر اضافه گردید، عملکرد دانه افزایش نیافت. نتایج مشابهی برای تعداد بذر در غلاف نیز به­دست آمد با این حال با افزایش میزان بذر از تعداد شاخه در بوته کاسته گردید. اثر متقابل ژنوتیپ در میزان بذر برای صفات عملکرد دانه، تعداد بوته در متر مربع و وزن هزار دانه معنی­دار گردید. بر اساس مقایسه میانگین اثر متقابل، بیش­ترین میزان عملکرد دانه هم در رقم Okapi و هم در رقم Lethbridge در میزان بذر 10 کیلوگرم در هکتار و به­ترتیب به میزان 1292 و 1330 کیلوگرم در هکتار حاصل گردید.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0350,021

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,247
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueدوفصلنامه فنآوری تولیدات گیاهی→Même sujetNitrogen and Sulfur Effects on Brassica→Travaux en français237 207→