MétaCan
Menu
Retour à la cohorte
Enregistrement W2750693234 · doi:10.5539/jas.v10n3p290

Rice Yield Components under Water Stress Imposed at Different Growth Stages

2018· article· en· W2750693234 sur OpenAlexvenueno aff
Germani Concenço, José Maria Barbat Parfitt, Ivana Santos Moisinho, Marcos Valle Bueno, Jaqueline Trombetta da Silva, Samara Emerim Concenço

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanicleRandomized block designAgronomyGreenhouseSterilityWater stressBiologyHorticultureMathematicsBotany

Résumé

récupéré en direct d'OpenAlex

We aimed to assess rice yield components as function of water stress imposed at distinct crop growth stages under greenhouse, in randomized block design under factorial scheme 3 × 4 + 1, with four replications. The factor “A” was the growth stage in which water stress was imposed, being (a) vegetative, (b) reproductive 1, and (c) reproductive 2; factor “B” was four levels of water stress (0-200 kPa). There was also an additional treatment consisting of a flooded check. Water was replenished to saturation every time the threshold stress was reached. At the end of the cycle, all panicles were counted and collected, per plant, for further analysis. In the lab, grains per panicle were counted, being classified either as whole kernel or aborted grains, whose results were used for obtaining sterility percentage. Whole kernel grains were weighted for obtaining the 1000 grains weight for each treatment, and the consequent plant grain yields. Number of panicles was not affected when stress was imposed after panicle initiation, but when imposed at tillering it was reduced; at grain filling, water stress promoted grains sterility higher than 90%; grain weight was only reduced when carbohydrates were directed to root formation in detriment of grain filling; lower rice grain yield per plant was observed even when treatments were maintained above 10kPa all along the cycle, compared to the flooded treatment.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil0,650

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,234
Écart entre enseignants0,195 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207