MétaCan
Menu
Retour à la cohorte
Enregistrement W2905044221 · doi:10.5539/jas.v11n1p112

Effect of Boron Supplement on Yield of Wheat Grown in Calcareous Soils of Different Textural Classes under Arid Conditions

2018· article· en· W2905044221 sur OpenAlexvenueno aff
Baydaa H. A. Al-Ameri, Suad A. Al-Saedi, Ibrahim B. Razaq

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoamCalcareousSoil waterAgronomyStrawAridSoil textureCalcareous soilsBiocharEnvironmental scienceChemistrySoil scienceGeologyBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Boron sufficiency supply to plant in calcareous soils of arid regions is severely reduced under arid climatic conditions. Therefore, this study was conducted to determine the effect of Boron (B) fertilization on yield of Wheat grown in calcareous soils of arid regions. Boron was added at two rates namely 0 and 0.5 mg B kg-1 soil to three most common textured class’s soils. Straw and grain yield was determined on oven dried basis. B content of plants was determined as well. Straw and grain yield of wheat was significantly increased by (67.0 and 87.1%), (24.5 and 82%) and (64.5 and 48%) under the addition of 0.5 mg B Kg-1 soil over that of no B addition to clay, loam and sandy loam soil, respectively. Results also showed that wheat grown on the coarse-textured soil had the least B uptake per pot compared to loam and clay textured soils. B content in straw and grain was increased by (77.4 and 121%), (81.2 and 157%) and (184 and 96.9%) under B addition compared to those of zero B addition to clay soil, loam soil and sandy loamy soil, respectively. Response to B addition, significantly, increased in all soils due to increase of available B content in soils which may suggest the importance of adding adequate rate of B application under cropping system of arid regions.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,180

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,261
Écart entre enseignants0,247 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207