MétaCan
Menu
Retour à la cohorte
Enregistrement W2810356383 · doi:10.14393/ufu.di.2018.729

Doses de fertilizantes potássicos no acúmulo de cloro e produção da cana-de-açúcar

2018· dissertation· pt· W2810356383 sur OpenAlexaff
Gabriella Roquetti Guimarães Aloise

Notice bibliographique

Revuenon disponible
Typedissertation
Languept
DomaineAgricultural and Biological Sciences
ThématiqueSugarcane Cultivation and Processing
Établissements canadiensNexen (Canada)
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

O alto consumo de fertilizantes utilizados na cultura da cana-de-açúcar decorre da elevada necessidade nutricional, devido à grande produção de biomassa por área e da elevada remoção de nutrientes no processo de colheita.A utilização do fertilizante potássico KCl pode ser um fator que contribua indiretamente com a poluição do meio ambiente, emitindo moléculas cloradas tóxicas através da queima da biomassa da cana-de-açúcar utilizada para a produção de energia nas usinas.Conhecer as fontes dessas moléculas é de grande importância na determinação do risco ao qual as pessoas e outros receptores estão expostos e para o estabelecimento de alternativas para o controle destes poluentes.Esta pesquisa tem como objetivo avaliar a resposta da cana-de-açúcar frente a fontes e doses de fertilizantes potássicos e investigar o acúmulo de cloro proveniente do fertilizante potássico KCl.Para testar as hipóteses desta pesquisa foram instalados 2 experimentos na área experimental do Instituto de Ciências Agrárias da Universidade Federal de Uberlândia, no Campus Umuarama em Uberlândia-MG, no ano de 2016.A unidade experimental (parcela) de ambos os experimentos constituiu-se de um vaso com: 0,60 m de diâmetro, 0,92 m de altura, preenchido com 200 kg de solo onde foram plantadas 3 mudas de cana-de-açúcar da variedade RB 93-7570.Ambos os experimentos foram dispostos em blocos casualizados,

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)0,001
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,296
Écart entre enseignants0,256 · 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 sujetSugarcane Cultivation and ProcessingTravaux en français237 207