MétaCan
Menu
Retour à la cohorte
Enregistrement W2018530725 · doi:10.1080/15538360802368040

Efficacy Testing of Organic Nutritional Products for Ontario Canada Vineyards

2008· article· en· W2018530725 sur OpenAlexaffabout
Gary Wiens, Andrew G. Reynolds

Notice bibliographique

RevueInternational Journal of Fruit Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésVeraisonNutrientFertilizerYield (engineering)NitrateAmmonium nitratePruningBerryVineEvergreenAgronomyBiologyHorticultureBotanyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

A study was conducted to determine the efficacy of three foliar applied organic fertilizers and their impact on yield, fruit composition, and plant nutrition in mature own-rooted ‘Baco noir’ grapevines in Niagara-on-the-Lake, Ontario, Canada. Three foliar fertilizer products (liquid fish fertilizer, seaweed extract, “Monty's Evergreen”) were applied biweekly as individual treatments as well as in the form of a complete (combination) application at dealer recommended rates from bloom to 2 weeks post-veraison. A control treatment consisted of 150 kg/ha ammonium nitrate (51 kg N/ha) added one week before bloom. Despite using less than 10% of the total N applied in the control, the complete foliar application equalled or surpassed the control in almost all yield, fruit composition, and vine nutrition variables. Despite severely reduced yield due to berry moth patterns experienced in the region in 2005, the complete foliar treatment increased yield by 15%, and this was considered sufficient to justify the increased material costs. The results of this study suggest that the use of foliar fertilizers is effective in replacing soil-applied ammonium nitrate for nutrient supplementation to ‘Baco noir’ grapevines. The implications of this study may cause grape growers in the Niagara Peninsula to reevaluate their nutrient management practices.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,783
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
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 ouverte0,0010,000
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 Opus0,072
Tête enseignante GPT0,289
Écart entre enseignants0,218 · 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

Citations10
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Fruit ScienceMême sujetHorticultural and Viticultural ResearchTravaux en français237 207