Nipa (Nypa fruticans Wurmb) Sap Collection in Southern Thailand II. Biomass and Soil Properties
Notice bibliographique
Résumé
Nipa (Nypa fruticans Wurmb) frond biomass is the cruicial factor for sap/sugar production. An allometric equation was firstly formulated for estimating frond biomass from the length (L) and the diameter at breast height (DBH) of a frond. And subsequently the L-DBH relationship was applied for L estimation at five nipa farms. As a result, the allometric equation was expressed as Log DW = 0.85 x Log D2L + 1.54 (r2 = 0.94). The highest above-ground biomass was 83 t/ha, whereas the average biomass in other farms was 32 t/ha, which was almost the same as that in young oil palm plantation. The physical and chemical properties of soils in the nipa farms were analyzed using 80 soil samples to elucidate the factors determining nipa soil properties by principle component analysis (PCA). Consequently, organic matter, salt content and brackish water were considered to be the key factors determining nipa soil properties. Daily sap production (ml/day) (DSP) was well explained by frond biomass and above-ground biomass with the equations: DSP = 17.6 x frond biomass (kg) + 256.1 (r2 = 0.48) and DSP = 11.4 x above-ground biomass (t/ha) + 263.4 (r2 = 0.57), respectively. When soil properties are included, sap production is better explained, as shown by multivariate analysis followed by PCA with the equation, DSP = 609.7 – 92.9 x PC1 – 58.5 x PC2 (r2 = 0.93). As PC1 and PC2 correspond to the organic matter factor and the salt content factor, sap production would be controlled by the nipa growth and the amount of Na in soil.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».