MétaCan
Menu
Retour à la cohorte
Enregistrement W2373727740

The Influence of Different Seeding Rate and Nitrogen Application on Yield and Biological Characteristics of Direct Seeding Early Rice

2010· article· en· W2373727740 sur OpenAlexaff
Libo Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensCAE (Canada)
Organismes subventionnairesnon disponible
Mots-clésSeedingPanicleNitrogenAgronomyYield (engineering)FertilizerNitrogen fertilizerAnimal scienceChemistryBiologyMaterials science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Hybrid early rice Liangyou 287 was used to study the relationship among the seeding rate,nitrogen application, yield and yield components of direct seeding early rice.The results showed that at the same proportion of tillering fertilizer, the maximum number of tillers increased with the increase of the proportion of nitrogen base fertilizer.At the same proportion of nitrogen base fertilizer,the maximum number of tillers decreased as nitrogen fertilizer application delayed.At the same seeding rate,spike rate increased when nitrogen fertilizer application delayed and the proportion of nitrogen base fertilizer decreased.At the same nitrogen application,spike rate decreased as the increase of seeding rate.Different nitrogen application and seeding rates had a significant impact on rice leaf SPAD value at mature stage.Liangyou 287 had the highest yield at the seeding rate of 30~45 kg/hm2 and nitrogen ratio of 50∶30∶20 for base,tillering stage and panicle stage.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,081

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,216
Écart entre enseignants0,198 · 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'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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRice Cultivation and Yield ImprovementTravaux en français237 207