MétaCan
Menu
Retour à la cohorte
Enregistrement W2123248059 · doi:10.5539/jas.v4n8p173

Productivity and Yield Components of Soybeans under Dose and Potassium Application Period in Piaui Savannah

2012· article· en· W2123248059 sur OpenAlexvenueno aff
Fabiano André Petter, Jodean Alves da Silva, Francisco de Alcântara Neto, Leandro Pereira Pacheco, Fernandes Antônio de Almeida, Glênio Guimarães Santos, Larissa Borges de Lima

Notice bibliographique

RevueJournal of Agricultural Science · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSowingPoint of deliveryPotassiumMathematicsCompletely randomized designOxisolAnimal scienceFactorial experimentProductivityAgronomyBiomass (ecology)ToxicologyBiologyChemistrySoil waterStatisticsEcology

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate the efficiency of rates and application periods of K on soybeans in the Savannah in Piauí. The work was carried out in a dystrophic oxisol. The experimental design was randomized blocks with four replications in a factorial design, the treatments consisted of combinations of five potassium doses 30, 60, 90, 120 and 150 kg ha-1 (K2O) + witness (0 kg ha-1), applied at four different times: 100% at soybean sowing, 50% at sowing and 50% at 30 days after sowing (DAS), 100% at 30 DAS, 50% at 20 DAS and 50% to 40 DAS. Evaluated the following variables: height soybean plants, dry biomass, internal efficiency in the use of nutrient-K (IENU-K), number of pods per plant-1, number of grains per pod-1, a thousand seeds weight, grain harvest index and productivity. There was no effect concerning the period of application of K in the variables analyzed. Exceptions done for dry biomass and the number of pods per plant-1, the other variables were significantly influenced by K rates. All variables significantly influenced by the application of K rates showed quadratic response, in which, exception of IENU-K, the curves showed the highest values by applying 83 to 93 kg ha-1 K2O.

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)0,000
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 enseignants0,768
Score d'incertitude au seuil0,111

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,031
Tête enseignante GPT0,230
Écart entre enseignants0,199 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Management and Crop YieldTravaux en français237 207