MétaCan
Menu
Retour à la cohorte
Enregistrement W2531727748 · doi:10.5539/sar.v5n4p71

Timed Strategy for Control of Bollworm for Sustainable Sorghum Crop Yield under Varied Regimes of Rainfall, Temperature and Soil Fertility

2016· article· en· W2531727748 sur OpenAlexvenueno aff
Daniel L. Mutisya, C. P. M. Khamala, Jacob JO Konyango, C. K. Kamau, Lawrence K Matolo

Notice bibliographique

RevueSustainable Agriculture Research · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural pest management studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean CommissionGovernment of the Republic of Kenya
Mots-clésSorghumAgronomyCropBiologyHelicoverpa armigeraYield (engineering)BotanyMaterials science

Résumé

récupéré en direct d'OpenAlex

Various environmental factors influence yield of sorghum grain, Sorghum bicolor (L) in Sub-Sahara Africa. Various production conditions of rainfall amount, temperature regimes, soil fertility levels and bollworm Helicoverpa armigera density at specific sorghum grain stage were evaluated for effect to sorghum grain yield. High rainfall amount, high temperature and soil fertility levels were positively correlated to sorghum grain yield at three test sites at Ithookwe, Katumani and Kampi of eastern Kenya. The warmest Kampi site achieved the highest seed viability on germination test at 43, 87 and 99% for grain stage of light-green, cream-dough and hard dough, respectively. High H. armigera density was inversely correlated to grain yield. Comparatively, yield loss of < 10% was observed when grain was at early soft dough and > 35% as the grain ripened to early hard dough stage. Thus initial H. armigera damage occurred at late soft dough stage and increased exponentially as the grain ripened to early hard dough stage. The right time to spray against H. armigera was determined as at soft dough stage of sorghum grain to prevent economic damage of the crop. Thus fertility level, rainfall amount and time of bollworm pest attack were deemed worth considerations towards sustainable yield of sorghum.

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 Opus0,038
Tête enseignante GPT0,290
Écart entre enseignants0,253 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural pest management studiesTravaux en français237 207