MétaCan
Menu
Retour à la cohorte
Enregistrement W2041630394 · doi:10.1590/s1415-43662005000400009

Manejo da fertirrigação e controle da salinidade do solo sob ambiente protegido, utilizando-se extratores de solução do solo

2005· article· pt· W2041630394 sur OpenAlexaff
Nildo da Silva Dias, Sérgio Nascimento Duarte, Hans Raj Gheyi, José F. de Medeiros, Tales Miler Soares

Notice bibliographique

RevueRevista Brasileira de Engenharia Agrícola e Ambiental · 2005
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHorticultureChemistryEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Com o objetivo de avaliar o uso de extratores de soluções do solo no auxílio ao manejo da fertirrigação e no controle da salinidade em solo cultivado com melão rendilhado, conduziu-se um estudo em ambiente protegido na área experimental do Departamento de Engenharia Rural da ESALQ/USP, localizada no município de Piracicaba, SP. Os tratamentos se compunham da combinação de dois fatores: 6 níveis de salinidade inicial do solo (S1 = 1,0; S2 = 2,0; S3 = 3,0; S4 = 4,0; S5 = 5,0 e S6 = 6,0 dS m-1) e dois manejos de fertirrigação: tradicional e com controle da condutividade elétrica da solução do solo. Procedeu-se à salinização inicial do solo por meio da aplicação de soluções salinas preparadas a partir de fertilizantes, em que a quantidade de sais a ser adicionada foi determinada tomando-se por base uma curva de salinização artificial, obtida previamente em laboratório. Os resultados mostraram que, com o uso de extratores de solução do solo, pode-se monitorar a concentração iônica da solução do solo, com precisão satisfatória. A salinidade do solo evoluiu com o tempo, estando os maiores níveis próximos à superfície do solo e do gotejador. A diferença no consumo de água entre os níveis de salinidade foi mais evidenciada no manejo controlado da fertirrigação, ajustando-se a um modelo quadrático.

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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,040
Tête enseignante GPT0,293
Écart entre enseignants0,253 · 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

Citations23
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Brasileira de Engenharia Agrícola e AmbientalMême sujetIrrigation Practices and Water ManagementTravaux en français237 207