MétaCan
Menu
Retour à la cohorte
Enregistrement W2529637821 · doi:10.5902/1980509824205

EMERGÊNCIA E ESTABELECIMENTO DE PLÂNTULAS DE <i>Guazuma ulmifolia </i>LAM. EM FUNÇÃO DE DIFERENTES TRATAMENTOS PRÉ-GERMINATIVOS

2016· article· pt· W2529637821 sur OpenAlexaff
Diellen Librelon da Silva, Giovana Rodrigues da Luz, Maria das Dores Magalhães Veloso, Geraldo Wilson Fernandes, Yule Roberta Ferreira Nunes

Notice bibliographique

RevueCiência Florestal · 2016
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueSeed Germination and Physiology
Établissements canadiensCanarie
Organismes subventionnairesnon disponible
Mots-clésHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Este trabalho testou a influência de métodos de escarificação térmica e mecânica na emergência e estabelecimento de plântulas de Guazuma ulmifolia.As sementes foram submetidas aos tratamentos pré-germinativos de (1) escarificação mecânica (lixa), e (2) escarificação térmica (água quente), além do tratamento-controle (3) no qual as sementes foram deixadas intactas. O tratamento feito com escarificação térmica diferiu dos demais tratamentos, apresentando o maior número de plântulas emergidas. As sementes tratadas com lixa obtiveram a menor porcentagem de emergência, não diferindo do tratamento-controle. Para o índice de velocidade de germinação não foi verificada diferença significativa entre os tratamentos e o pico de emergência de plântulas foi entre o 13º e 15º dia de incubação em todos os tratamentos. Quanto ao estabelecimento, o crescimento (altura, diâmetro e número de folhas e de nós) das plântulas diferiu entre os tratamentos pré-germinativos. Observou-se maior crescimento das plântulas após suas sementes passarem por escarificação térmica. Assim, a escarificação com água quente é o método mais adequado para quebra da dormência das sementes de Guazuma ulmifolia, proporcionando plântulas mais vigorosas.

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 enseignants0,005
Score d'incertitude au seuil0,009

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCiência FlorestalMême sujetSeed Germination and PhysiologyTravaux en français237 207