MétaCan
Menu
Retour à la cohorte
Enregistrement W2143374897 · doi:10.5539/jas.v5n8p153

Dry Matter Production and Harvest Index of Groundnut (Arachis hypogaea L.) Varieties Under Irrigation

2013· article· en· W2143374897 sur OpenAlexvenueno aff
A. A. Mukhtar, B. A. Babaji, S. Ibrahim, H. Mani, A. A. Mohammad, Ashraf Mohamed Ibrahim

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePeanut Plant Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDry matterArachis hypogaeaIrrigationAgronomyPopulationLeaf area indexBiologyHorticulture

Résumé

récupéré en direct d'OpenAlex

Dry matter production for crops is generally influenced by the fertility status of the soil. Plant population may indirectly affect the amount of dry matter production due to its relationship with number of plants per unit area. An experiment to study the effect of plant population and basin size on dry matter production and other yield components of groundnut (Arachis hypogaea L.) varieties under irrigation was conducted during the dry seasons of 2004 to 2006 at the Irrigation Research Station of the Institute for Agricultural Research (IAR), Ahmadu Bello University at Kadawa. The treatments tested were three basin sizes (3m x 3m, 3m x 4m and 3m x 5m), three plant populations (50,000, 100,000 and 200,000 plants ha-1and three varieties (SAMNUT 23, SAMNUT 21 and SAMNUT 11). These were arranged factorally in a split plot design with plant population and variety assigned to the main plots and basin sizes in the sub plots. SAMNUT 23 had higher harvest index than the other varieties, however SAMNUT 11 recorded the highest dry matter plant-1. Dry matter production was significantly highest at 100.000 plants ha-1, while significantly highest harvest index was observed at 200,000 plants ha-1. SAMNUT 23 exhibited highest harvest index compared to the other varieties used in this study.

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 enseignants0,004
Score d'incertitude au seuil0,007

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPeanut Plant Research StudiesTravaux en français237 207