Growth and Micronutrients Contents of Smell Pepper (Capsicum chinense Jac.) Submitted to Organic Fertilizer
Notice bibliographique
Résumé
The results of research with smell pepper cultivation are still incomplete and preliminary, especially regarding organic fertilizing and nutritional status. The aims of study were to evaluate the effect of rates of organic fertilizer produced from family agriculture waste on growth and nutritional status of smell pepper. An experiment was conducted in a greenhouse at the Universidade Federal Rural da Amazônia, in Belém city, State of Pará, in period from January to April 2012. The experimental design was completely randomized, with five treatments and four replications, in which each experimental plot being made of a vase with a volume of 3.6 dm3 of soil and a smell pepper seedling. Five rates of organic fertilizer (0%, 15%, 30%, 45%, and 60%) were tested out of the total volume of substrate. The organic fertilizer were formed by mixing chicken manure (10%), duck manure (20%), cassava peel (15%), cassava leaf (15%), bean straw (15%), rice husk (15%), and corn cob (10%). The different amounts of organic fertilizer were mixed in volumetric proportions of substrate of Yellow Latosol, sandy texture, taken from the surface layer (0-20 cm). It was founded that at 103 days, the best results were achieved with a rate of 60% of the organic fertilizer. The content and accumulation of micronutrients in leaf tissue of smell pepper plants followed this descending order: Fe > B > Mn > Zn > Cu, and Fe > B > Mn > Zn > Cu, respectively. In fruits, the content, accumulation, and extraction of micronutrients followed this order: Fe > B > Mn > Zn > Cu.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».