MétaCan
Menu
Retour à la cohorte
Enregistrement W2096997776 · doi:10.1300/j301v03n01_04

Soil and Plant Response to MSW Compost Applications on Lowbush Blueberry Fields in 2000 and 2001

2004· article· en· W2096997776 sur OpenAlexaff
P. R. Warman, Carrie Murphy, J. C. Burnham, Leonard J. Eaton

Notice bibliographique

RevueSmall Fruits Review · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensNova Scotia Department of Agriculture
Organismes subventionnairesnon disponible
Mots-clésCompostLoamFertilizerNutrientRandomized block designAgronomySoil conditionerSoil fertilityAmendmentGreen wasteChemistryEnvironmental scienceHorticultureSoil waterBiologySoil science

Résumé

récupéré en direct d'OpenAlex

SUMMARY Field experiments were initiated in May 1999 to investigate the application of municipal solid waste (MSW) compost to low-bush blueberry (Vaccinium angustifolium Ait.) fields. Three sites were selected: Debert, NS (Truro sandy loam) and two sites near Musquodoboit, NS (both Rawdon gravely loamy sands). Treatments at each site consisted of a randomized complete block design with six treatments (Control [no fertilizer], NK fertilizer, NPK fertilizer, and three rates of MSW compost) blocked four times. Compost treatments provided the equivalent of 100, 200, and 400 kg ha−1 of total N, respectively. The experimental objectives were to evaluate soil and plant response to the compost and to determine whether the organic amendment could be used as an alternative to chemical fertilizers. Yield, soil fertility, and plant nutrients were evaluated in blueberry leaf tissue and fruit over two years. The MSW compost had a strong (K) and a mild effect (P, Ca, Mg, S, Cu, Zn) on extractable soil nutrients, while a strong effect (Mn) and a mild effect (N, K) was observed on leaf tissue nutrients. The fruit yield was not affected by the treatments. Therefore, the compost treatments provided equivalent amounts of plant essential nutrients without negatively influencing trace element absorption.

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 enseignants0,012
Score d'incertitude au seuil0,023

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 Opus0,054
Tête enseignante GPT0,282
Écart entre enseignants0,228 · 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

Citations33
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmall Fruits ReviewMême sujetBerry genetics and cultivation researchTravaux en français237 207