MétaCan
Menu
Retour à la cohorte
Enregistrement W2338070505 · doi:10.5539/jas.v8n5p79

Spring Wheat Cultivation Using a New Bioproduct

2016· article· en· W2338070505 sur OpenAlexvenueno aff
G. Yu. Rabinovich, Yu. D. Smirnova

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilizerAgronomyCropHectareTake-allSpring (device)FungicideSorghumEnvironmental scienceAgricultureBiologyEngineeringBotany

Résumé

récupéré en direct d'OpenAlex

Spring wheat is a strategically significant agricultural crop all over the world. Increasing yields of the crop need increasing use of the mineral fertilizers and chemical fungicides – using which becomes less and less popular. They are being substituted with various bioproducts being developed all over the world, including Russia. All-Russian Research Institute of Reclaimed Lands (VNIIMZ) has created a novel bioproduct – LBP – featuring physiologically significant amounts of growth factors and nutritive elements favorable for the plants. This work evaluates an LBP effect on spring wheat, Irgina sort, when using LPB as a supplementary fertilizer with a mineral fertilizer as a basic one. The research was carried out in microplot experiments at a VNIIMZ’s test site, Tver Region, Russian Federation, in 2009-2010. Among all options studied, a 0.1 l/sq.m LBP dose (added by spraying on bushing-out and earing plants) proved to be the most effective. That option yielded 16.31 metric centners/hectare, which is 27.3% higher than the same without LBP is. A grain quality analysis showed the following nutritive value rise compared to references: cellulose, oil and calcium (CaO) increased by 10…12%, 9…10%, and 10…12%, respectively. Soils of the plants treated with LBP generally contained more nitrogen compounds, less amylolytic microorganisms (competing for nitrogen) and Fusarium wilt ones - which totally provided better conditions for the spring wheat growth.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,031
Tête enseignante GPT0,233
Écart entre enseignants0,202 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207