MétaCan
Menu
Retour à la cohorte
Enregistrement W1912108301 · doi:10.1002/jsfa.7238

Evaluating the use of plant hormones and biostimulators in forage pastures to enhance shoot dry biomass production by perennial ryegrass (<i>Lolium perenne</i> L.)

2015· review· en· W1912108301 sur OpenAlexaff
Mohammad Zaman, Leonid V. Kurepin, W.D. Catto, Richard P. Pharis

Notice bibliographique

RevueJournal of the Science of Food and Agriculture · 2015
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Growth Enhancement Techniques
Établissements canadiensUniversity of CalgaryWestern University
Organismes subventionnairesnon disponible
Mots-clésLolium perenneAgronomyPerennial plantPastureDry matterShootForageBiomass (ecology)GrazingBiologyLoliumEnvironmental sciencePoaceae

Résumé

récupéré en direct d'OpenAlex

Fertilisation of established perennial ryegrass forage pastures with nitrogen (N)-based fertilisers is currently the most common practice used on farms to increase pasture forage biomass yield. However, over-fertilisation can lead to undesired environmental impacts, including nitrate leaching into waterways and increased gaseous emissions of ammonia and nitrous oxide to the atmosphere. Additionally, there is growing interest from pastoral farmers to adopt methods for increasing pasture dry matter yield which use 'natural', environmentally safe plant growth stimulators, together with N-based fertilisers. Such plant growth stimulators include plant hormones and plant growth promotive microorganisms such as bacteria and fungi ('biostimulators', which may produce plant growth-inducing hormones), as well as extracts of seaweed (marine algae). This review presents examples and discusses current uses of plant hormones and biostimulators, applied alone or together with N-based fertilisers, to enhance shoot dry matter yield of forage pasture species, with an emphasis on perennial ryegrass.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,389
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,074
Tête enseignante GPT0,322
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Science of Food and AgricultureMême sujetPlant Growth Enhancement TechniquesTravaux en français237 207