MétaCan
Menu
Retour à la cohorte
Enregistrement W2773199640 · doi:10.5539/jas.v10n1p45

Assessment of Electricity-Free Hydroponics in India: A Proof of Concept Field Study

2017· article· en· W2773199640 sur OpenAlexvenueno aff
Indira Roy, Yelena Y. Naumova, A.J. Both

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydroponicsPepperElectricityAgricultureEnvironmental scienceProfitability indexDry matterAgricultural engineeringAgricultural scienceBusinessAgronomyHorticultureEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Subsistence and smallholder farmers in the Deccan plateau region of India struggle with a predominantly hot and dry climate and often accumulated debt due to the cost of fertilizer that they need to increase yields for profitability. While a low-cost deep-flow technique hydroponic growing system (DFT) as a supplement to soil-based agriculture could help reduce debt, the cost of electricity needed to operate the DFT makes it inaccessible to these farmers. The objective of this project was to test the viability of electricity-free DFT which would substantially reduce production costs. Two DFT systems were set up in a shade net house and prepared with identical nutrients to grow chili pepper seedlings. Each DFT system was oxygenated for 30 minutes per day, one system using an electrical air pump, and the other system was oxygenated manually. After four weeks of growth, the dry mass of the shoots of the chili pepper seedlings in each system was measured. While the pump-oxygenated DFT system produced more dry matter, the manually-oxygenated system produced a larger number of visually healthier plants. Therefore, we conclude that electricity-free DFT hydroponics may be a viable alternative to pump-oxygenated DFT hydroponics, making hydroponic farming a cost-effective option for poor farmers.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,270
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant nutrient uptake and metabolismTravaux en français237 207