MétaCan
Menu
Retour à la cohorte
Enregistrement W2589645777 · doi:10.17660/actahortic.2003.627.27

OPTIMUM NITROGEN FERTILIZATION OF SUMMER CABBAGE IN ONTARIO

2003· article· en· W2589645777 sur OpenAlexaffabout
Sean M. Westerveld, Mary Ruth McDonald, A.W. McKeown, Cynthia Scott‐Dupree

Notice bibliographique

RevueActa Horticulturae · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Physiology and Cultivation Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHuman fertilizationNitrogen fertilizerEnvironmental scienceNitrogenAgronomyBiologyChemistryFertilizer

Résumé

récupéré en direct d'OpenAlex

The recent introduction of nutrient management legislation in Ontario may force vegetable growers to reduce nitrogen (N) application. Experiments were conducted on mineral soil in Simcoe, Ontario in 2000 and 2001 to re-evaluate the N needs of cabbage. Nitrogen application rates of 0, 85, 170, 255, and 340 kg ha-1 were applied 75% preplant and 25% sidedress to Atlantis, a mid-season cultivar. Total yield,
\nmarketable yield, weight per head, head density, and head size were assessed at harvest. In 2001, total yield showed a peak at 265 kg N ha-1 while in 2001 no significant effect was recorded. Head size and weight per head increased with increasing N rate only in 2000, reflecting differences in yield. Cabbage density was generally unaffected by N rate. Days to maturity decreased with increasing N rate reaching a minimum at 245 and 226 kg ha-1 in 2000 and 2001, respectively. Nitrogen rates above current recommended levels are beneficial in maximizing cabbage yields in wet years and minimizing days to maturity.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
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 GPT0,218
Écart entre enseignants0,184 · 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'étudeObservationnel
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

Citations22
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActa HorticulturaeMême sujetPlant Physiology and Cultivation StudiesTravaux en français237 207