MétaCan
Menu
Retour à la cohorte
Enregistrement W2058847785 · doi:10.5539/ijb.v4n2p70

The Examination of the Effect of Irrigation Interval and Nitrogen Amount on the Yield and Yield Components of Maize (Zea mays L. CV. Single cross 704) in Mazandaran Provience

2012· article· en· W2058847785 sur OpenAlexvenueno aff
Reza Rezaei Sokht-Abandani, M Ramezani

Notice bibliographique

RevueInternational Journal of Biology · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNitrogenIrrigationYield (engineering)MathematicsAgronomyPan evaporationGrain yieldEvaporationUreaZea maysFertilizerNitrogen fertilizerAnimal scienceChemistryMaterials scienceBiologyGeography

Résumé

récupéré en direct d'OpenAlex

In order to evaluation the effect of irrigation interval and different amount of nitrogen fertilizer on agronomic characteristics of maize, single cross 704, the experiment was carried out as split plot in randomized complet blocks design with 3 replictions at 2009 in mazandaran provience. Irrigation interval was chosen as main plot at 4 levels which are 75, 100, 125 and 150mm evaporation pot of A class, nitrogen amount was also chosen as sub- plot at 3 replictions which are 0, 96 and 184 kg/ha at the rate of 0, 200 and 400 kg/ha urea fertilizer, respectively. The results showed that the grain yield in creased using of 184 kg/ha nitrogen fertilizer due to in creasing, ear length and thick, inceasing the graing and the row number per ear, and increasing the grain number per row of ear and the weight of 100 grains. The maximum grain tield was obtained by 75 and 125mm evaporation of class A pot, at the rate of 12490 and 13000 kg/ha, respectively. The graing yield components were not influenced by irrigation interval, statistically. Interaction between irrigation interval and nitrogen amount was significant on biological yield at the level of 1%, probability. The maximum grain yield was obtained by interaction of 125mm, evaporation of A class pot and using 184 kg/ha nitrogen fertilizer.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,391
Score d'incertitude au seuil0,109

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,035
Tête enseignante GPT0,265
Écart entre enseignants0,230 · 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'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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of BiologyMême sujetCrop Yield and Soil FertilityTravaux en français237 207