MétaCan
Menu
Retour à la cohorte
Enregistrement W2080531236 · doi:10.1080/15538360802597515

Establishment of Wild Roses for Commercial Rose Hip Production in Atlantic Canada

2008· article· en· W2080531236 sur OpenAlexaffabout
Ryan Barry, Kevin Sanderson, Sherry Fillmore

Notice bibliographique

RevueInternational Journal of Fruit Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésMulchSowingFertilizerBiologyAgronomyCompostHorticulture

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Rose species of the genus Rosa are found growing wild throughout the Atlantic Provinces of Canada in a multitude of different habitats. Rose hips, the marketable product from these rose species, are a rich natural source of bioactive compounds useful in the pharmaceutical industry. In 2004, a wild rose field experiment was established using planting stock propagated from numerous wild rose (Rosa virginiana ×carolina) isolate accessions collected from populations throughout Prince Edward Island. The objective of this study was to investigate the effects of several field management practices on the establishment of a commercial rose hip plantation in Atlantic Canada. Treatments were applied at planting and included three in-row mulch (none, bark, and straw) treatments, three in-row fertility (none, compost, and fertilizer) treatments, and two interrow management (tilled and sod) treatments. Mulching increased nutrient uptake of N and P and increased plant growth. Fertilizer increased plant growth and yield of rose hips compared to no fertilizer or compost treatments. Tilled interrow treatment increased in shoot lengths, diameters, and plant spreads compared to interrow sod. This study indicates that during the early establishment years of a rose hip plantation, wild roses grow best with the use of mulch, fertilizer, and tillage between the rows.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
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 Opus0,052
Tête enseignante GPT0,303
Écart entre enseignants0,250 · 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

Citations8
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Fruit ScienceMême sujetHorticultural and Viticultural ResearchTravaux en français237 207