MétaCan
Menu
Retour à la cohorte
Enregistrement W2079195377 · doi:10.2298/jas0501019s

Application of microbiological fertilizers in viticulture: Grape yield and quality of wine cv. Riesling

2005· article· en· W2079195377 sur OpenAlexaff
Branislava Sivčev, Slobodan Jović, Vera Raičević, Aleksandar Petrović, Blažo Lalević

Notice bibliographique

RevueJournal of Agricultural Sciences Belgrade · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensAir Canada
Organismes subventionnairesnon disponible
Mots-clésAzotobacter chroococcumBacillus megateriumAgronomyMicrobial inoculantWineFertilizerHorticultureAzotobacterViticultureChemistryBiologyFood scienceInoculationBacteria

Résumé

récupéré en direct d'OpenAlex

The recommended cultivars for top quality wines Riesling in the vineyards of Grocka is in full crop. It was grafted on Kober 5 BB stock and planted on the soil type cambysoil. The content of total nitrogen is 0.1-0.15%. Supply of easily available potassium varies between 12.3-15 mg/100g a.d.s.2, i.e. phosphorus 0.4-3.6 mg/100g a.d.s. in layer up to 40 cm. Microbiological fertilizer was used in the study - biological preparation prepared with mixed natural populations Azotobacter chroococcum, Bacillus megaterium and Bacillus circulons. The space in row is idle land and the space between rows was sown each year (March-April) with a mixture of field pea and barley and ploughed in the inflorescence phase of legumes. Grape yield varied between 8772-6804 kg/ha. Microbiological fertilizer with Azotobacter had the highest yield and the control treatment had the lowest yield, where only grass mixture was sown. Extremely dry climatic conditions in the trial period caused the grape yield in cv. Riesling to be extremely low. In combination of fertilizers Bacillus megaterium + Bacillus circulons wine with the most ethanol, extracts and polyphenols was obtained. The wine obtained from the control treatment had a typical taste.

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 enseignants0,003
Score d'incertitude au seuil0,007

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 Opus0,062
Tête enseignante GPT0,310
Écart entre enseignants0,248 · 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

Citations4
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Sciences BelgradeMême sujetHorticultural and Viticultural ResearchTravaux en français237 207