Study on Optimization for High Yield Population of Rice Mainly Planted in Sanjiang Region
Notice bibliographique
Résumé
Adopting split-plot design,optimization for high yield rice population was carried out on 4 cultivars mainly planted in Sanjiang region in 2009-2010.Row spacing,plant spacing and seedling number per hill of these cultivars for high yielding cultivation were defined.The results indicated that 5-8 seedlings per hill,10 cm plant spacing and 24 cm row spacing could obtain high yield in this region.Compared with conventional production(4 seedlings per hill,13.3 cm plant spacing and 30 cm row spacing),the theoretical yield of Longjing 20 and Kenjing 3 cultivated in agricultural scientific research institute of Jiansanjiang was increased by 43.1% and 29.4% respectively,and the difference in them was highly significant.The theoretical yield of Kongyu 131 and Longjing 26 cultivated in the research and development centre of seven stars was higher than that of conventional production(increased 57.3%,47.9%),and the difference in them was also highly significant.Plant spacing and row spacing were negatively correlated with yield,and most of negative correlation between plant spacing and yield reached significant or highly significant level.Plant spacing was the most important limiting factor for high yield in the three factors.Therefore,agricultural machinery should be adjusted,which is full use of local natural resources to achieve the most efficient rice yield,a very cost-effective technical measures in Sanjiang region.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».