MétaCan
Menu
Retour à la cohorte
Enregistrement W2148392102 · doi:10.5539/jas.v5n10p10

Nutrient Assessment with Omission Pot Trials for Management of Rubber Growing Soil

2013· article· en· W2148392102 sur OpenAlexvenueno aff
Pramoth Timkhum, Somsak Maneepong, Montree Issarakrisila, Krissada Sangsing

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAluminum toxicity and tolerance in plants and animals
Établissements canadiensnon disponible
Organismes subventionnairesWalailak University
Mots-clésLimeNutrientNatural rubberMicronutrientLimitingNutrient managementSoil waterHuman fertilizationAgronomyChemistryHorticultureAnimal scienceEnvironmental scienceBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Rubber-growing soils in southern Thailand are usually deficient in both macro- and micronutrients. Omission pot trial is an excellent tool for nutrient assessment because it can indicate the most limiting nutrient and the order of limitation. Maize is generally used as a test plant, but the difference in nutrient response of maize and rubber is not clearly understood. An omission pot trial with 10 treatments (All, -N, -P, -K, -Mg, -S, -Zn, -Cu, -B, and -Lime) was conducted. The soil samples were limed with Ca(OH)2 to pH 6, except for that used for the -Lime treatment. Equivalent amounts of 400 kg ha-1 of N, 120 of P, 175 of K, 75 of Mg, 100 of S, 6 of Zn, 4 of Cu and 2 kg ha-1 of B, were added in the All treatment. Nutrient X was omitted in the -X treatment. Maize and rubber were grown as test plants. The plant growth indices were measured after 30 days for maize and after 9 months for rubber. The limiting nutrients of both plants were N, P, and Ca (lime). Rubber growth in the field, which received government-recommended and omission-based fertilization, were not different.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,279
Écart entre enseignants0,237 · 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'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

Citations13
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAluminum toxicity and tolerance in plants and animalsTravaux en français237 207