MétaCan
Menu
Retour à la cohorte
Enregistrement W1966971065 · doi:10.4081/ija.2015.622

Agronomic Behaviour of Some Cynodon Dactylon Ecotypes for Turfgrass Use in the Mediterranean Climate

2015· article· en· W1966971065 sur OpenAlexaboutno aff
Roberto Viggiani, V. Marchione, Giovanna Potenza, Donato Castronuovo, Simonetta Fascetti, Michele Perniola, Stella Lovelli, Vincenzo Candido

Notice bibliographique

RevueItalian Journal of Agronomy · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCynodon dactylonEcotypeMediterranean climateCultivarPhenologyAgronomyBiologyGeographyEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

In Italy, the expansion of turfgrasses is limited by the lack of suitable species for cultivation in the Mediterranean climate. With this view, Mi.Te.A.Med. (Turfgrass improvement in the Mediterranean climate) research project was developed with the main purpose to find out and agronomically characterise native turfgrass species of Southern and Central Italy and to compare them with some commercial cultivars. During the first step of the research, 11 sites from 6 regions of Southern and Central Italy were identified. In these sites 24 ecotypes of Cynodon dactylon L. (Pers.) were collected and their habitus, phenology plus some biometric parameters have been determined. During the two years of research both botanic and agronomic characterisation of the collected C. dactylon ecotypes and their comparison with 3 commercial cultivars (Panama, Transcontinental and Yukon) was carried out. In the first year the colour loss interval was assessed. In the second year, colour index was measured by an electronic colorimeter, weekly growth rate was measured by a turfmeter, turf quality and ground cover percentage were assessed by visual estimate. Some native accessions showed behaviour similar to commercial cultivars while an ecotype from the Abruzzo region showed better results compared to the commercial cultivars for several quality indices.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

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
Bibliométrie0,0010,000
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 Opus0,051
Tête enseignante GPT0,262
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueItalian Journal of AgronomyMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207