MétaCan
Menu
Retour à la cohorte
Enregistrement W2535229992 · doi:10.21273/horttech.25.3.370

Use of Species-specific Controlled-release Fertilizer Rates to Manage Growth and Quality of Container Nursery Crops

2015· article· en· W2535229992 sur OpenAlexaff
Mary Jane Clark, Youbin Zheng

Notice bibliographique

RevueHortTechnology · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensUniversity of GuelphVineland Research and Innovation Centre
Organismes subventionnairesnon disponible
Mots-clésFertilizerHorticultureBiologyShootShadingBotanyAgronomyArt

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to determine the optimal controlled-release fertilizer (CRF) application rates or ranges for the production of five 2-gal nursery crops. Plants were evaluated following fertilization with 19N–2.6P–10.8K plus minors, 8–9 month CRF incorporated at 0.15, 0.45, 0.75, 1.05, 1.35, and 1.65 kg·m −3 nitrogen (N). The five crops tested were bigleaf hydrangea ( Hydrangea macrophylla ), ‘Green Velvet’ boxwood ( Buxus × ), ‘Magic Carpet’ spirea ( Spiraea japonica ), ‘Palace Purple’ coral bells ( Heuchera micrantha ), and rose of sharon ( Hibiscus syriacus ). Most plant growth characteristics (i.e., growth index, plant height, leaf area, and shoot dry weight) were greater in high vs. low CRF treatments at the final harvest. Low CRF rates negatively impacted overall appearance and marketability. The species-specific CRF range recommendations were 1.05 to 1.35 kg·m −3 N for rose of sharon, 0.75 to 1.05 kg·m −3 N for ‘Magic Carpet’ spirea, and 0.75 to 1.35 kg·m −3 N for bigleaf hydrangea and ‘Green Velvet’ boxwood, whereas the recommended CRF rate for ‘Palace Purple’ coral bells was 0.75 kg·m −3 N. Overall, species-specific CRF application rates can be used to manage growth and quality of containerized nursery crops during production in a temperate climate.

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 enseignants0,003
Score d'incertitude au seuil0,005

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 ouverte0,0010,000
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 Opus0,097
Tête enseignante GPT0,262
Écart entre enseignants0,165 · 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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortTechnologyMême sujetGrowth and nutrition in plantsTravaux en français237 207