Evaluation of Some Physiological and Quantitative Traits in Different Ecotypes of Linseed (Linum usitatissimum L.) Under Chemical,Organic, and Biological Nitrogen Fertilizers
Notice bibliographique
Résumé
Nitrogen is one of the major macronutrients in cropping systems. Considering the effect of nitrogen on the quantitative and qualitative characteristics of linseed, a field experiment was conducted as factorial arrangement in a randomized complete block design with three replications in the Research Station of Faculty of Agriculture, Shahrekord University in 2012. Five fertilizer treatments of urea, Azomin, Nitroxin, Super NitroPlus and control (without fertilizer) and three ecotypes of Iranian, Canadian and French linseed in this experiment were examined. Harvest index, seed protein and oil contents (%) were evaluated. Meanwhile, the trend of the cumulative crop growth rate (CGR) and fitted regression model was studied. Harvest index was significantly different between ecotypes. Harvest index, seed protein and oil contents showed significant responses to fertilizer treatments. The interaction between ecotypes and fertilizer treatments was significant for harvest index and seed oil content. Non-linear regression model (peak) best fitted on the trend of crop growth rate (CGR) in different ecotypes and different fertilizer treatments. According to result, it seems biological fertilizer of Super NitroPlus, Nitroxin and organic fertilizer of Azomin are capable of being hired in sustainable agriculture as an alternative to chemical fertilizers in linseed cultivation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».