MétaCan
Menu
Retour à la cohorte
Enregistrement W2891094572 · doi:10.5539/jas.v10n10p378

Growth and Production of Cultivars Ornamental Sunflower Irrigated With Water of Different Salinities

2018· article· en· W2891094572 sur OpenAlexvenueno aff
Samanda Costa Santos, Amaralina Celoto Guerrero, Adriana Silva Lima, Reynaldo Teodoro de Fátima, Janiny Vieira de Abrantes, Marcos Eric Barbosa Brito, A. V. Fernandes, Eder Pereira da Rocha Sousa

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSunflower and Safflower Cultivation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCultivarOrnamental plantSunflowerHelianthus annuusSalinityIrrigationSaline waterInflorescenceAgronomyHorticultureBiologyEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

The sunflower (Helianthus annuus L.) appears as an income alternative to the producers of the northeastern region of Brazil, however limited by the salinity present in the waters of the region, which makes it necessary to select cultivars that are more adaptable to this situation. On this, the objective was assessing the development of two cultivars of cutting ornamental sunflower with waters of different salinities. The experiment was performed in conditions of protected environment at UFCG, CCTA-Pombal-PB. It was performed in outline of blocks in factorial scheme 5 × 2, being five saline levels (N1 = 0.3, supply water; N2 = 1.5; N3 = 2.7; N4 = 3.9; and N5 = 5.1 dS m-1) and two cutting ornamental sunflower cultivars (Red Sun and Vincents II), with four repetitions and two plants by portion, with a total of 80 experimental units. The irrigation water salinity affected all the analyzed variables, up to estimate level of 2.7 dS m-1 acceptable reductions happen of 10% in the inflorescence and stem of cultivars of ornamental sunflower. The Red Sun cultivar when compared with cultivar Vincents II demonstrated better results in the studied variables.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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 sujetSunflower and Safflower CultivationTravaux en français237 207