MétaCan
Menu
Retour à la cohorte
Enregistrement W2344969974 · doi:10.17975/sfj-2015-011

The Effects of Zinc-Oxide Nanoparticles on Growth Parameters of Corn (SC704)

2015· article· en· W2344969974 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSTEM Fellowship Journal · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZincSoil waterDry matterNanoparticleIrrigationShootAgronomyMineralLeaf area indexCropMaterials scienceChemistryEnvironmental scienceNanotechnologyMetallurgySoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

Nanoparticles are widely used in various fields like medicine and agriculture. Plant growth is hindered in mineral poor soils. Supplementing mineral poor soils can improve plant growth. One role of nanoparticles in agriculture is stimulating crop growth. In this study, the three different physical forms of ZnO particles in irrigation water were used to supplement mineral poor soil. Their effect on the growth of single cross 704 (SC704) corn was investigated. We studied the effects of ZnO nanocolloid, ZnO nanoparticles, and micrometric ZnO particles. The concentration of nanoparticles in irrigation water was 2 ppm. The results show that the addition of all three ZnO particle types in irrigation water improved shoot dry matter and leaf area index. The best results came from the ZnO nanoparticle treatment which on average, increased the shoot dry matter and leaf area indexes by 63.8% and 69.7% respectively. Based on these results, we can conclude that zinc nanoparticles can improve corn growth and yield in mineral poor soils.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,317

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,251
Écart entre enseignants0,221 · 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