MétaCan
Menu
Retour à la cohorte
Enregistrement W2168809181 · doi:10.5539/jas.v3n4p261

Growth and Physiological Responses of Salak Cultivars (Salacca zalacca (Gaertn.) Voss) to Different Growing Media

2011· article· en· W2168809181 sur OpenAlexvenueno aff
Reni Lestari, G. Ebert, Susanne Huyskens-Keil

Notice bibliographique

RevueJournal of Agricultural Science · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensnon disponible
Organismes subventionnairesDeutscher Akademischer Austauschdienst
Mots-clésPeatCultivarCompostShootDry weightHorticultureRelative humidityGreenhouseBotanyChemistryAgronomyBiologyGeography

Résumé

récupéré en direct d'OpenAlex

The study to investigate growth and physiological responses of salak cultivars to different growing media was carried out in a greenhouse of the Institute for Horticultural Sciences, Department of Fruit Sciences of Humboldt University Berlin at Berlin. The temperature inside the greenhouse were adjusted to 20 °C/25 °C (day/night) and the relative humidity varied between 20 % and 70 %. Pure quartz sand, peat and a sand/compost mixture were tested as growth substance. The following parameters were measured: shoot dry weight, root dry weight, shoot length increment, leaf area increment, net CO2 assimilation rate (PN), leaf colour and plant mineral contents (N, P, K, Ca and Mg). Quartz sand, supplied with a complete nutrition solution was the best growing medium, whereas low pH peat was not suitable for salak seedlings due to the inhibitory growth effect. “Pondoh hitam” was the most vigorous cultivar.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,053
Tête enseignante GPT0,242
Écart entre enseignants0,189 · 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

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant Physiology and Cultivation StudiesTravaux en français237 207