MétaCan
Menu
Retour à la cohorte
Enregistrement W2814132623 · doi:10.5539/jas.v10n8p296

Variation of Seed Dosage on Corn Crop Production Components

2018· article· en· W2814132623 sur OpenAlexvenueno aff
Rafael De Graaf Corrêa, Carlos Eduardo Angeli Furlani, Cristiano Zerbato, Danilo Tedesco de Oliveira, Maílson Freire de Oliveira

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCropProductivityPopulationAgronomyYield (engineering)BiologyCrop yieldZea maysCrop productivityMedicine

Résumé

récupéré en direct d'OpenAlex

The variation in population density in a corn crop can positively, negatively or neutrally affects plant productivity depending on the productive potential of the area. The aim of this work was to evaluate the effects of the variation in corn seed dosage on crop yield, and define from which percentage of variation the productivity of the sown line is affected negatively. The experiment was installed at FCAV-UNESP, in Jaboticabal (SP), Brazil. Twelve variations on plant population were evaluated, ranging from -27% to 27%, varying with a frequency of 4.5%. The morphological and productive characteristics of each treatment were evaluated through regression analysis. Each 1% of negative variation on seed dosage was lost 1.06% in corn yield. Positive variations, however, presented changes that were 0 to -2.59%. Negative variations on seed dosage reduced corn productivity by up to 28%. The positive variation affects the productivity of the crop in a less accentuated way, with a reduction in productivity that reaches 2.59% in the largest variations and may even cause positive productivity results depending on the maximum potential of the area.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,235
Écart entre enseignants0,209 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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