MétaCan
Menu
Retour à la cohorte
Enregistrement W2560056675 · doi:10.5539/jas.v9n1p15

Light Quality Effect on Corn Growth as Influenced by Weed Species and Nitrogen Rate

2016· article· en· W2560056675 sur OpenAlexvenueno aff
Thomas R. Butts, Joshua J. Miller, Jon Derek Pruitt, Bruno C. Vieira, Maxwel C. Oliveira, Salvador Vergés Ramírez, John L. Lindquist

Notice bibliographique

RevueJournal of Agricultural Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLight effects on plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeedAgronomyCompetition (biology)BiologyShootGrowing seasonBiomass (ecology)NutrientWeed controlNitrogenChemistryEcology

Résumé

récupéré en direct d'OpenAlex

<p>Corn-weed competition has often been characterized as the competition for limited resources such as light quantity, water, and nutrients. However, growing evidence suggests that light quality, specifically the red:far red ratio (R:FR), is a crucial component to corn-weed interactions. Additionally, a reduction in the R:FR has shown to down-regulate plant genes similarly to a nitrogen (N) deficient environment. A greenhouse study was conducted to evaluate the effect of N stress and R:FR from common waterhemp, velvetleaf, and volunteer corn on corn growth and development. The R:FR for all three weed species tended to be similar but lower than a weed-free treatment. However, observations from the spectral response curves demonstrated significant changes in the patterns of light reflected from each weed species. In the N-sufficient environment, early-season (V5 corn growth stage) R:FR from all three weed species reduced corn height, leaf chlorophyll content, and shoot biomass while increasing fibrous root biomass. However, in the N-deficient environment, no effects were observed on corn growth from changes in light quality, indicating N stress was a greater limiting factor. These results highlight the importance of the critical weed-free period and the need for proper early-season weed management.</p>

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,553
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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

Citations12
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetLight effects on plantsTravaux en français237 207