MétaCan
Menu
Retour à la cohorte
Enregistrement W1910756122 · doi:10.5376/pgt.2013.04.0007

Influence of Plant Growth Regulators and Nitrogen on Leaf Area Index, Specific Leaf Area, Specific Leaf Weight and Yield of Black Gram (<i>Vigna mungo</i> L.)

2013· article· en· W1910756122 sur OpenAlexvenueno aff
K. Krishna Surendar, S. Vincent, Mallika Vanagamudi, H. Vijayaraghavan

Notice bibliographique

RevuePlant Gene and Trait · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Science and Fertilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVignaGramYield (engineering)Leaf area indexHorticultureBiologyPlant growthNitrogenIndex (typography)AgronomyBotanyChemistryBacteria

Résumé

récupéré en direct d'OpenAlex

The field experiment were undertaken to study the effect of nitrogen in combination with foliar spray of bioregulators and micronutrients on growth and productivity of CO5 black gram. Photosynthetic pigments and foliage soluble protein content were estimated at different phenological phases of black gram. Seed yield were assessed at the time of harvest. Significant increase in the LAI (Leaf Area Index) and SLW (Specific Leaf Weight) due to basal application of nitrogen 25 kg per hectare with foliar spray of urea 2% and 0.1 ppm brassinolide. The SLA (Specific Leaf Area) was also greatly altered by the basal application of nitrogen 25 kg per hectare with foliar spray of urea 2% and 0.1 ppm brassinolide treatment.

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 enseignants0,003
Score d'incertitude au seuil0,006

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 Opus0,017
Tête enseignante GPT0,173
Écart entre enseignants0,156 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant Gene and TraitMême sujetAgricultural Science and FertilizationTravaux en français237 207