MétaCan
Menu
Retour à la cohorte
Enregistrement W2510926929 · doi:10.4314/acsj.v24i3.8

Effect of temporary drought at different growth stages on snap bean pod quality and yield

2016· article· en· W2510926929 sur OpenAlexafffund
Hussien Mohammed Beshir, Rosalind Bueckert, Bunyamin Tar’an

Notice bibliographique

RevueAfrican Crop Science Journal · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesHawassa UniversityInternational Development Research Centre
Mots-clésPoint of deliveryPhaseolusCultivarBiologyAgronomyHorticultureSnapNutrientField experimentDrought stress

Résumé

récupéré en direct d'OpenAlex

High quality snap bean (Phaseolus vulgaris L.) can be produced under rain-fed conditions, provided that adequate moisture is available. However, drought may occur at any stage of growth of snap bean. The objective of this study was to evaluate the effect of drought stress at different growth stages on pod physical quality and nutrient concentrations. An experiment was conducted at the Horticulture Greenhouse, Hawassa University in Ethiopia. Drought stress (50% of field capacity [FC]) was applied at the unfolding of the fourth trifoliate leaf, flowering and pod formation, against a control with no drought stress. The drought stress treatments and eight cultivars were arranged as a factorial experiment in a completely randomised design, with three replications. Drought stress (50% FC) during reproductive stages significantly (P<0.05) reduced pod texture, appearance, and pod curvature. Drought stress increased protein and zinc concentrations by 41 and 15%, respectively; but reduced iron concentration by 15% in snap bean pods. All the tested cultivars had relatively similar responses to drought stress.Key Words: Field capacity, nutrient concentration, Phaseolus vulgaris

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: Observationnel · Signal consensuel: aucune
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)0,0000,000
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,248
Écart entre enseignants0,224 · 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'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

Citations18
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAfrican Crop Science JournalMême sujetPlant pathogens and resistance mechanismsTravaux en français237 207