MétaCan
Menu
Retour à la cohorte
Enregistrement W2901400304 · doi:10.5539/jas.v10n10p518

Chemical Control of Asian Soybean Rust and Its Effect in the Yield and Quality of Soybean Seeds

2018· article· en· W2901400304 sur OpenAlexvenueno aff
Márcia Gabriel, Dionei Schmidt Muraro, Genésio Mário da Rosa, Arci Dirceu Wastowski, Stela Maris Kulczynski, Juliano de Cesar da Silva, Ivan Ricardo Carvalho, Vinícius Jardel Szareski, Vanessa Alba da Silva, Juliano de Oliveira Stumm

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueYeasts and Rust Fungi Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFungicidePhakopsora pachyrhiziSoybean rustGerminationRandomized block designYield (engineering)AgronomyBiologyRust (programming language)HorticultureMaterials science

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate the effect of a foliar fungicide commonly used to control Asian soybean rust (Phakopsora pachyrhizi) in the physiological and sanitary quality of soybean seeds. The experiment was carried out during the 2012/13 field season, with six treatments and four replications arranged in a randomized complete block design. The following treatments were evaluated: T1 (no fungicide application); one application at R1 stage; two applications at R1 and R3 stages; three applications at R1, R3, and R5 stages; four applications at R1, R3, R5, and R6 stages and five applications at R1, R3, R5, R6 and R7 stages. Seeds yield, seed weight, viability and vigor assessments were used to measure the impact of foliar fungicide applications on soybean yield and seed quality. The results indicated that four fungicide applications provide higher grain yield, increased seed weight, and germination percentages within commercial standards. In contrast, the number of fungicide applications did not correlate with the sanitary quality of the seeds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,152

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 GPT0,261
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetYeasts and Rust Fungi StudiesTravaux en français237 207