MétaCan
Menu
Retour à la cohorte
Enregistrement W2775035113 · doi:10.5539/jas.v10n1p354

Corn Crop Performance in Different Levels of Defoliation

2017· article· en· W2775035113 sur OpenAlexvenueno aff
Wanderley Lulu Gaias, Eduardo Rodrigo Gibbert, Lana Paola da Silva Chidichima, Camila Hendges, Alexandre Muller

Notice bibliographique

RevueJournal of Agricultural Science · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCropRandomized block designPhenologyAgronomyGrain yieldYield (engineering)Crop yieldHorticultureMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

The aim of this work was to evaluate the effect of the yield and morphological components of the maize crop according to different levels of defoliation in the phenological stages of the crop. The experimental design was a randomized block with 7 treatments and 4 replicates. The treatments were: control without defoliation (SD), removal of two leaves (2L-V4) and four leaves (4L-V4) in the V4 stage , removal of the leaves of the lower third (LT-VT), removal of the middle third (MT-VT), removal of the upper third (UT-VT) and total removal (SF-VT) of the leaves in the VT stage. Plant height and spike insertion, number of grains, number of rows, grains per rows, one thousand grain mass and yield were assessed. Plants with total leaf removal had the lowest rates in all aspects evaluated. The number of rows, kernels per row and kernel per spike showed little or no variation in the treatments with partial defoliation. The treatments with removal at the middle and upper third had the lowest values for the analyzed variables when compared to the plants with partial defoliation. The results of this work indicate that the defoliation process can damage the corn yield performance.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,265

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,040
Tête enseignante GPT0,255
Écart entre enseignants0,215 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCrop Yield and Soil FertilityTravaux en français237 207