MétaCan
Menu
Retour à la cohorte
Enregistrement W2921455815 · doi:10.5539/jas.v11n4p262

Vegetative Development and Nutrient Absorption March of Sorrel (Rumex acetosa L.)

2019· article· en· W2921455815 sur OpenAlexvenueno aff
Maria Angélica Suedan Souza Lima, Anastácia Fontanétti, Márcio Roberto Soares, Rodrigo Gazaffi, Nathalia de França Guimarães, Anderson de Souza Gallo

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésShootHerbaceous plantPerennial plantDry matterSeedlingNutrientBiologyBotanyPhosphorusTransplantationHorticultureAgronomyAnimal scienceChemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Sorrel (Rumex acetosa L.) is an unconventional food plant. It is a perennial herbaceous plant that forms thickets. There are studies related to the accumulation of nutrients in sorrel, but there is no information on its absorption march and vegetative development. The objective of this study is to determine macronutrient absorption and biometric parameters of sorrel during 60 days after seedling transplantation (DAT) of seedlings. The experiment was completely randomized with eight treatments and four replications. It was conducted in a greenhouse. The treatments consisted of plant collection times, performed at 15, 20, 25, 30, 35, 40, 50 and 60 DAT. Plants’ biometric parameters (leaf blade length, relative leaf area, and shoot fresh and dry matter) and macronutrient absorption march were evaluated. Biomass, leaf blade length and relative leaf area of sorrel plants increased over time and, more markedly, after 35 DAT. The maximum levels of macronutrients accumulated in sorrel shoots, in descending order, were K > N > Ca > Mg > P > S. There was no significant difference in Ca and S contents among collection times, that is, the absorption and accumulation of these nutrients by sorrel did not vary throughout the evaluation time.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,211
Écart entre enseignants0,199 · 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'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGrowth and nutrition in plantsTravaux en français237 207