MétaCan
Menu
Retour à la cohorte
Enregistrement W2546901562 · doi:10.5539/jas.v8n12p86

Influence of Water Management and Silica Application on Rice Growth and Productivity in Central Java, Indonesia

2016· article· en· W2546901562 sur OpenAlexvenueno aff
Adha Fatmah Siregar, Ibrahim Adamy Sipahutar, Husnain Husnain, Heri Budi Wibowo, Kuniaki Sato, Toshiyuki Wakatsuki, Tsugiyuki Masunaga

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSilicon Effects in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésJavaRandomized block designYield (engineering)Blast diseaseAgronomyProductivityPaddy fieldEnvironmental scienceSystem of Rice IntensificationBiologyAgricultureMaterials scienceEcologyComputer scienceOperating system

Résumé

récupéré en direct d'OpenAlex

Rice cultivation in our study site at Central Java, Indonesia, is constrained by water scarcity and blast disease problems. A field experiment was thus conducted to evaluate the effect of water management and silicon (Si) application (with 500 kg ha-1 of silica gel) on improving rice growth and productivity and blast disease infection in Jakenan, Central Java. Split plot in randomized complete block design with 4 replications was used. The results showed that two water saving methods, intermittent (IT) and aerobic rice (AR) increased rice yield compared to conventional flooding water management. Further, IT showed better root growth and hence lodging resistance and decreased blast disease infection. IT had higher yield potential compared to AR although the yield of IT and AR were not statistically different. Si application gave significant effect on reducing leaf and neck blast infection and also increased stomata density (p < 0.01) in all water treatments. Si application did not result in increased yield but exhibited potential towards improving rice plant growth and production. Since Si fertilizer was never used in rice cultivation in Indonesia, the study reveals that IT combine with Si application was a suitable management for rice production in dry season in water limited Central Java region.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,125

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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 tête enseignante, 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 revueJournal of Agricultural ScienceMême sujetSilicon Effects in AgricultureTravaux en français237 207