‘Palmer’ Mango Yield as Affected by Soil Class and Pedon Physicochemical Characteristics
Notice bibliographique
Résumé
To evaluate the variation in ‘Palmer’ mango yield related to soil formation and soil physical and chemical properties, we studied a transect with 11 soil profiles, selected according to the altitude in a commercial orchard. Surface and subsurface diagnostic horizons were described up to two meters in depth. Soil depth, texture, structure, consistency, clay coating, cementation, and color of each horizon were morphologically determined. Undisturbed and disturbed samples were used to determine the soil total porosity, macroporosity, microporosity, density, saturated hydraulic conductivity, granulometry, total organic carbon, pH, sum of bases, and the contents of P, S, K, Na, Ca, Mg, Al, Fe, Mn, Cu, and Zn. The number of fruits (for production estimates), stem diameter, canopy area, and plant height were determined in four plants around each soil profile. Three classes of soil showed good suitability for mango cultivation: Argisol Red-Yellow Eutrophic typic, Cambisol Haplic Eutrophic Tb, and Latosol Red Yellow Eutrophic typic. The ‘Palmer’ mango yield was correlated with the K contents, sum of bases, and pH. The low yield was a result of the low K content associated with the presence of gravel.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».