MétaCan
Menu
Retour à la cohorte
Enregistrement W2051777396 · doi:10.5539/jas.v4n1p31

Effect of Plant Density on Morphologic Characteristics Related to Lodging and Yield Components in Different Rice Varieties (Oriza Sativa L.)

2011· article· en· W2051777396 sur OpenAlexvenueno aff
Yadi Reza, Morteza Siavoshi, Mobasser Hamidreza, Salman Dastan, Alireza Nasiri

Notice bibliographique

RevueJournal of Agricultural Science · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanicleTiller (botany)Randomized block designAgronomyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

In order to study the effects of plant density on agronomical and morphologic characteristics which are related to the lodging in rice varieties, an experiment was carried out in 2008 in split plot in randomized complete block design based on 4 replications in Iran. In this experiment, five rice varieties of Tarom (Local, Hashemi, Dilamani, Langhrodi and Sangh) were chosen as main factors and three plant density levels (40, 80, and 120 bushes per m²) as sub-factors. The results showed that Langhrodi Tarom had minimum total number of spikelets and number of hollow spikelets per panicle and minimum tiller per bush and number of panicles per m² had seen sequentially in Local Tarom and Sangh Tarom. The shortest length of first, second, and third inter-nodes, longest diagonal of the third inter-node and minimum plant height obtained for Langhrodi Tarom. Number of node and length of first, second and third inter-node and diagonal of the forth inter-node and Stem tension to lodging in third and forth inter-node decreased as plant density increased. Minimum lodging index of the third and forth inter-node came out at 80 bushes per m². Interaction effects in plant density had significant effects on all parameters except panicle number per m².

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 Opus0,037
Tête enseignante GPT0,220
Écart entre enseignants0,183 · 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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207