Effect of Saline Stress and Calcium Nitrate on Lettuce Grown on Coconut Fiber
Notice bibliographique
Résumé
This study aimed to evaluate the use of saline solutions enriched with calcium nitrate in the production of lettuce grown in coconut fiber. The experiment was carried out from July to August 2017 in a greenhouse, at the Federal Rural University of the Semi-Arid Region (UFERSA), Mossoró-RN, Brazil. A randomized block design was used, in 2 × 5 factorial scheme, with three replicates. Treatments resulted from the combination of two lettuce cultivars [Elba (Curly) and Irene (Crisphead)] and five nutrient solutions (S1- standard nutrient solution; S2-S1 + NaCl (28.48 mmol L-1); S3-S2 + Ca(NO3)2 (6.89 mmol L-1); S4-S2 + Ca(NO3)2 (9.15 mmol L-1); S5-S2 + Ca(NO3)2 (11.43 mmol L-1)]. Plants were harvest 30 days after transplantation and the following variables were analyzed: head diameter, stem diameter, number of leaves, fresh weight, dry weight, leaf area, specific leaf area and leaf succulence. The cv. Irene (Crisphead) is more tolerant to nutrient solution salinity compared with the cv. Elba (Curly). Nutrient solutions enriched with 50 and 100% of Ca(NO3)2 promoted better performance of the cultivars Elba and Irene, respectively, fertigated with saline nutrient solution.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».