MétaCan
Menu
Retour à la cohorte
Enregistrement W1874237759 · doi:10.7451/cbe.2015.57.1.25

Effect of soil moisture deficit on marketable yield and quality of potatoes.

2015· article· en· W1874237759 sur OpenAlexvenueaboutno aff
Haider Abbas, Ramanathan Sri Ranjan

Notice bibliographique

RevueCanadian Biosystems Engineering · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationYield (engineering)AgronomyNutrientMoistureGrowing seasonSugarEnvironmental scienceMathematicsHorticultureBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

Tuber yield and quality are the two main factors that can increase or decrease the market value of potatoes. Soil moisture availability and nutrient concentration within the potato root zone play a pivotal role in controlling tuber yield and quality. This study was conducted in Southern Manitoba to compare the effects of overhead irrigation (IR) and no-irrigation (NI) on marketable tuber yield and quality during the 2013- and 2014-growing seasons. The total yield of potato was not significantly different between the two treatments in both years. In 2013, the marketable yield of the irrigated (IR) treatment (36.89 MT/ha) was 20% higher (p = 0.017) compared to the non-irrigated (NI) treatment (30.74 MT/ha). However, no significant difference in marketable yield was found between the irrigated (39.0 MT/ha) and non-irrigated (43.7 MT/ha) treatments in 2014. Excess nitrate accumulation within the root zone tends to promote the formation of over-sized tubers. Although the incidence of hollow hearts and sugar ends showed a higher trend in the non-irrigated treatment it was statistically not significantly different from the irrigated treatment. Overhead irrigation was found to be economically advantageous to produce better quality potatoes with higher marketable yields.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,222
Écart entre enseignants0,193 · 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

Citations11
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Biosystems EngineeringMême sujetPotato Plant ResearchTravaux en français237 207