Utilization of Silicon Fertilizer Application on Pepper Seedling Production
Notice bibliographique
Résumé
The purpose of this research was study the rate and application method of calcium silicate (Ca2SiO4) fertilizer appropriated for pepper seedling production. This study was divided into two experiments. Experiment 1, the effect of Ca2SiO4 fertilizer application in pepper seedling by mixed in growing media was arranged in 2x6 factorials in Completely Randomized Design (CRD) with 4 replications. Factor A was seed preparation methods (seed primed with Ca2SiO4 fertilizer at a rate 2 g L-1 and non-seed primed) and factor B was application rates of Ca2SiO4 fertilizer at 0, 30, 60, 120, 240 and 480 kg ha-1. Experiment 2, the effect of Ca2SiO4 fertilizer application in pepper seedling by foliar method was arranged in 2x6 factorials in CRD with 4 replications. Factor A was seed preparation methods and factor B was application rates of Ca2SiO4 fertilizer at 0, 2, 4, 6, 8 and 10 g L-1. All experiments data were collected such as plant growth and total silicon content in plant at 28 days after sowing (DAS). From experiment 1, the results showed that seed primed with Ca2SiO4 fertilizer application at a rate 120 kg ha-1 gave the good plant growth and total silicon in plant. Experiment 2, the results showed that seed primed with Ca2SiO4 fertilizer application at a rate 2 g L-1 gave the highest of plant growth and total silicon in plant. To conclude, Ca2SiO4 fertilizer application can be employed for enhancing plant growth of pepper seedling and increasing silicon content in plant.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».