MétaCan
Menu
Retour à la cohorte
Enregistrement W2740891446 · doi:10.13083/reveng.v23i5.601

PRODUÇÃO DE DIFERENTES CULTIVARES DE BATATA SOB DISTINTAS LÂMINAS DE IRRIGAÇÃO - DOI: 10.13083/1414-3984/reveng.v23n5p466-476

2015· article· pt· W2740891446 sur OpenAlexaff
Sofia Michele Muchalak, Fernando França da Cunha, Renato Anastácio Guazina, Sebastião Ferreira de Lima, Amanda Regina Godoy

Notice bibliographique

RevueRevista Engenharia na Agricultura - REVENG · 2015
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésHorticultureCultivarSowingBiology

Résumé

récupéré en direct d'OpenAlex

O máximo potencial produtivo das cultivares de batata e a qualidade dos tubérculos estão diretamente relacionados à disponibilidade hídrica no solo. Dessa forma, o objetivo do presente trabalho foi avaliar o efeito de distintas lâminas de irrigação nas características agronômicas de diferentes cultivares de batata na região nordeste de Mato Grosso do Sul. O experimento foi conduzido na Universidade Federal de Mato Grosso do Sul, campus de Chapadão do Sul, MS, utilizando-se o delineamento experimental de blocos ao acaso em parcelas subdivididas, com quatro repetições, tendo nas parcelas quatro lâminas de irrigação (50, 75, 100 e 125% da quantidade de água para suprir a perda de água por evapotranspiração da cultura) e nas subparcelas três cultivares de batata (Asterix, Atlantic e CLL). Avaliaram-se os resultados do número de tubérculos por planta, massa média do tubérculo, produtividade comercial e eficiência do uso da água (EUA). O aumento da lâmina de irrigação proporcionou redução na eficiência do uso da água pela batata; e não afetou as demais características avaliadas. A cultivar Asterix deve ser preferida pelos agricultores de batata do nordeste Sul Mato-Grossense.

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,310
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,079
Tête enseignante GPT0,301
Écart entre enseignants0,223 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Engenharia na Agricultura - REVENGMême sujetPotato Plant ResearchTravaux en français237 207