MétaCan
Menu
Retour à la cohorte
Enregistrement W2800851449 · doi:10.5539/jas.v10n6p372

Phosphorus and Boron Application on Growth, Yield, and Quality of Soybean Seeds (Glycine max [L.] Merril)

2018· article· en· W2800851449 sur OpenAlexvenueno aff
Paul Benyamin Timotiwu, Agustiansyah Agustiansyah, Eko Pramono, Steffy Agustin

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Growth and Agriculture Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized block designGerminationBoronDry weightPhosphorusSeedlingYield (engineering)AgronomyFactorial experimentMathematicsHorticultureChemistryAnimal scienceBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

The increased of growth, yield and quality of soybean seeds are expected to occur by applyingP (phosphorus) and B (boron). This research was to investigate the effect of P and application of B their response on growth, yield and quality of soybean seeds. This research was conducted at fieldland and the Laboratory of Seeds and Plant Breeding, Faculty of Agriculture, University of Lampung from November 2016 to April 2017. This treatment was arranged in a 6 × 2 factorial consisting of six doses of P2O5 (0; 50; 100; 150; 200; 250 kg/ha) and two concentration of B (0 and 5 ppm). This study was designed in Randomized Complete Block Design (RCBD) with three blocks. Homogeneity of variance was tested by Barlett’s test and non-aditivity model using Tukey’s test and continued by orthogonal polynomials at α 0.05. The results showed that applying P to dose 250 kg/ha increase the growth, yield and quality of soybean seeds in all variables. Whereas the applications 5 ppm of Boron increased growth, yield and quality of soybean plant seeds higher than without Boron on avariable number of unfallleaf, dry weight of plant, 100 grain weight, germination, dry weight of normal seedling, and vigor index. Response of growth, yield and quality of soybean seeds to increased doses of P did not depend on the granting of B.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,019
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant Growth and Agriculture TechniquesTravaux en français237 207