MétaCan
Menu
Retour à la cohorte
Enregistrement W2584968243 · doi:10.21273/hortsci.39.4.795b

Effect of Nitrogen Rate and Residual Soil Nitrogen on Yield and Quality of Carrots

2004· article· en· W2584968243 sur OpenAlexaboutno aff
Sean M. Westerveld, A.W. McKeown, Mary Ruth McDonald

Notice bibliographique

RevueHortScience · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNitrogenMineralization (soil science)Yield (engineering)AgronomySoil waterEnvironmental scienceGrowing seasonChemistryAnimal scienceBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Residual nitrogen (N) in agricultural soils is an environmental concern. Nitrogen requirements for carrots were examined over a two-year period in Ontario, Canada. Carrots, cvs. `Idaho' and `Fontana' were seeded into organic and mineral soil in 2002 and 2003 in the same plots. In 2002, N was applied at 0%, 50%, 100%, 150%, and 200% of current Ontario recommendations. Each experimental unit was split in half in 2003 with one half getting the same N rate as in 2002, and the second half getting no applied N. At harvest, total and marketable yield, weight per root, and quality were assessed. Yield and quality were unaffected by N rate in both mineral soil in 2002 and organic soil in both years. On mineral soil in 2003 there was a linear increase in total and marketable yield and weight per root with increasing N rate, with total yield ranging between 36 and 55 t/ha. However, in the treatments given no N in 2003, yield also increased from 36 to 47 t/ha between the 2002 no N and high N treatments. Consequently, a large portion of the increase in yield in 2003 on mineral soil was due to residual N from the previous season. Carrots are capable of taking up very high amounts of N from the soil over a growing season, but may only require additional N for maximum total yield if soil N content is low due to low mineralization rates or depletion by a previous crop. However, low N rates can reduce the ability to harvest the crop due to increased carrot leaf blight severity even when yield is unaffected.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,034
Tête enseignante GPT0,269
Écart entre enseignants0,235 · 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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHortScienceMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207