MétaCan
Menu
Retour à la cohorte
Enregistrement W2134359013 · doi:10.5539/jas.v6n11p8

Effect of Humic Acid Application on the Yield and Quality of Flue-Cured Tobacco

2014· article· en· W2134359013 sur OpenAlexvenueno aff
Yuting He, Changquan Wang, Bing Li, Wanqiu Wang, Bin Li, Xiang Jinyou, Bo Lei

Notice bibliographique

RevueJournal of Agricultural Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Growth Enhancement Techniques
Établissements canadiensnon disponible
Organismes subventionnairesChina National Tobacco Corporation
Mots-clésHuman fertilizationHumic acidCuring of tobaccoPotassiumChemistryYield (engineering)NitrogenAgronomyBase (topology)ChlorideFertilizerBiologyMathematicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The field experiment was conducted to investigate the effect of of humic acid amount (600 kg/hm2, 900 kg/hm2, 1200 kg/hm2) at different fertilization time (base fertilization, topdressing fertilization and both) on the potassium content and chemical quality of Yunyan 97. The results showed that humic acid can significantly increase the potassium content in tobacco leaves. The coordination of potassium content in upper, middle and lower leaves reached for 1.52%, 2.55%, 2.63% respectively in the treatment of humic acid (1200 kg/hm2) at base fertilization and topdressing fertilization (1/2 respectively), The content of nicotine and total nitrogen remained in appropriate range in all treatments. Both base and/or topdressing fertilization of humic acid in high level leaded to a more reasonable Potassium/Chloride ratio, and the coordination chemical quality was better.

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)0,003
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,096

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 Opus0,020
Tête enseignante GPT0,258
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant Growth Enhancement TechniquesTravaux en français237 207