MétaCan
Menu
Retour à la cohorte
Enregistrement W2115594415 · doi:10.4141/cjps2012-243

Fenclorim effects on rice germination and yield

2013· article· en· W2115594415 sur OpenAlexvenueno aff
Yong Chen, Xuefeng Shen, Yue Fang

Notice bibliographique

RevueCanadian Journal of Plant Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensnon disponible
Organismes subventionnairesChinese Academy of Agricultural SciencesMinistry of Science and Technology of the People's Republic of ChinaChinese Academy of Sciences
Mots-clésGerminationSowingWeedy riceOryza sativaSeedlingAgronomyYield (engineering)WeedHorticulturePopulationDry matterBiologyPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Chen, Y., Shen, X. and Fang, Y. 2013. Fenclorim effects on rice germination and yield. Can. J. Plant Sci. 93: 237–241. Weedy rice (Oryza sativa f. spontanea) is a serious problem in rice-producing areas. The objective of this study was to evaluate the effect of the safener fenclorim on rice seed germination and yield when used in conjunction with the pre-emergent herbicide pretilachlor in the growth chamber and in the field. Rice seed germination was accelerated by soaking seeds in fenclorim (0.67 g L −1 ), and pretilachlor (0, 450, 900, 1800, 3600 and 7200 g a.i. ha −1 ) was applied 1, 3, 6, 12, 24, and 48 h after sowing in a growth chamber. Seeds were also soaked in fenclorim, and then pretilachlor was sprayed (0, 450 and 900 g a.i. ha −1 ) 1 h after sowing in the field. The percentage of seedling germination for cultured rice was significantly increased by soaking in fenclorim prior to application of the pre-emergence herbicide pretilachlor compared with the control in the growth chamber. The application of the safener fenclorim increased rice yield by 56% and 50% in treatments with 450 and 900 g a.i. hm −2 pre-emergence pretilachlor, respectively, and the weed population, height, and dry matter production were significantly reduced by pretilachlor application.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,189
Écart entre enseignants0,177 · 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

Citations18
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207