Nitrogen, Potassium, and Protein in Grains From Wheat Grown Under Nitrogen and Potassium Fertilizations in the Brazilian Cerrado
Notice bibliographique
Résumé
Nitrogen is a component of proteins contained in grains and potassium an enzymatic activator in nitrate (NO3-) assimilation and contributes to the translocation and storage of plant assimilates. Together they can increase protein contents of wheat grains. This research aimed to evaluate whether the interaction between nitrogen (N) and potassium (K) fertilizations in irrigated wheat in the Cerrado region of the Mato Grosso State increases the content and accumulation of N, K, and protein in wheat grains. The experiment was carried out in the field for two consecutive years (2014 and 2015) in the Federal University of Mato Grosso. It was designed in randomized blocks in 52 fractional factorial, composed of combinations between five doses of each of N and K, 13 treatments combinations in total with four replicates. After harvest, the grains were dried to determine the contents of N, K, and protein. The nitrogen content was influenced by nitrogen doses in both years and the accumulation significantly influenced by the nitrogen and potassium doses with an average increase among the years of 55.29% as a function of the potassium application. Nitrogen influenced the accumulation of potassium only in 2015 with effect for potassium in both years. Although there was no interaction between treatments, the influence of K on N absorption was evident. Contents and accumulations of N and K and the content of protein in wheat grains are influenced by N and K fertilizations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».