MétaCan
Menu
Retour à la cohorte
Enregistrement W2158646840 · doi:10.5539/mas.v7n12p9

Planting Times and Varieties on Incidence of Bacterial Disease and Yield Quality of Broccoli during Rainy Season in Southern Thailand

2013· article· en· W2158646840 sur OpenAlexvenueno aff
Karistsapol Nooprom, Quanchit Santipracha

Notice bibliographique

RevueModern Applied Science · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePineapple and bromelain studies
Établissements canadiensnon disponible
Organismes subventionnairesDivision of ChemistryOffice of the Higher Education CommissionPrince of Songkla University
Mots-clésSowingRandomized block designYield (engineering)Incidence (geometry)Wet seasonBiologyForensic scienceAgronomyHorticultureVeterinary medicineMathematicsMedicineEcology

Résumé

récupéré en direct d'OpenAlex

The aims of this study were to determine the effect of planting times and varieties on incidence of bacterial disease and yield quality of broccoli grown during rainy season in southern Thailand. The research was carried out at Prince of Songkla University from July, 2011 to January, 2012. The design was a split-plot in a randomized complete block with four replications. The result showed that the Yok Kheo grown in July was observed with the lowest incidence of soft rot disease of 27.68% while the highest incidence of 80.11% was found in the Top Green when planting in November. In July, all varieties of broccoli had not been affected by black rot disease. After that, their incidences increased when planting between August and December. The four broccoli varieties had the highest disease incidence of 87.42-97.57% when planting in October, followed by September, November and December of 74.72-94.97%. The Yok Kheo had the highest yield quality when planting in July and December with total yield of 4.70-5.29 t/ha. It is an interesting new hybrid variety. It gave higher yield quality than Top Green which is popular variety grown in southern Thailand.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetPineapple and bromelain studiesTravaux en français237 207