MétaCan
Menu
Retour à la cohorte
Enregistrement W2805189738 · doi:10.5539/jas.v10n7p295

Phosphorus and Zinc Extractable and Total in Substrate Enriched Coconut Powder and Tomato Cultivation

2018· article· en· W2805189738 sur OpenAlexvenueno aff
David Correia dos Anjos, Antonio Alves Maia Neto, Gabrielen de Maria Gomes Dias, Fernando Felipe Ferreyra Hernández, Rebecca Tirado‐Corbalá

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubstrate (aquarium)ZincPhosphorusDry matterNutrientChemistryHorticultureAnimal scienceFood scienceBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Phosphorus (P) and Zinc (Zn) stand out for their interactions, however, little is known about the interaction of these elements in organic substrates used in the development of plants. The objective of this work was to evaluate the extractable and total P and Zn of the enriched coconut powder substrate and the development of tomato seedlings grown on the same substrate. The work consisted of 10 treatments and 4 replicates with different doses of P and Zn. The substrate used was coconut powder enriched with nutrient solutions in a ratio of 10:1 (v/m). Then, the experiment was conducted using the enriched substrate to observe the effect of P and Zn doses on the development of tomato seedlings in trays. The height, number of leaves and the dry matter of the plants were evaluated. For the water and Mehlich-1 extractors the highest values of P and Zn were for treatments with the highest doses and only the quadratic positive effect of P did not differ statistically in the enriched coconut powder substrate. The results showed that the coconut powder used as substrate is deficient in P and Zn. The highest development of the seedlings was obtained at the doses of 74 mg L-1 P and 3.25 and 4.75 mg L-1 Zn of the substrate enrichment solution.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGrowth and nutrition in plantsTravaux en français237 207