MétaCan
Menu
Retour à la cohorte
Enregistrement W2069543965 · doi:10.1080/02571862.2006.10634755

The delta yield procedure for nitrogen fertilisation of maize in South Africa

2006· article· en· W2069543965 sur OpenAlexaff
A. A. Nel, Annelies Bloem

Notice bibliographique

RevueSouth African Journal of Plant and Soil · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Economics and Policy
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesnon disponible
Mots-clésNitrogenYield (engineering)AgronomyFertilisation30-day yieldDeltaMathematicsNitrogen fertilizerEnvironmental scienceGrain yieldBiologyFertilizerChemistryMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The nitrogen fertilisation requirement for maize in South Africa is generaly estimated through the optimum yield-nitrogen rate procedure. The efficacy of this procedure is questionable. Delta yield, the difference between the maize grain yield at the economic optimum and that of a zero nitrogen fertilised control, was investigated for its ability to estimate the economically optimum nitrogen fertilisation rate for the South African maize producing area. Data from 124 locality-year fertilisation trials scattered over this area were used for the analyses. As in North America, optimum nitrogen rate correlated better with delta yield (R2 = 0.66) than with optimum yield (R2 = 0.51). Consequently, it shows potential to be a trustworthier predictor of the nitrogen fertilisation requirement of maize than the traditional optimum yield-nitrogen rate procedure. The delta yield model (Y = X0.602 where Y is the amount of fertiliser nitrogen and X delta yield, both measured in kg ha−1) was not only uniform for different soil and climatic regions in South Africa, but appears to be similar to that found for five states of the USA.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,184
Écart entre enseignants0,165 · 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Journal of Plant and SoilMême sujetAgricultural Economics and PolicyTravaux en français237 207