MétaCan
Menu
Retour à la cohorte
Enregistrement W2938802179 · doi:10.5539/jas.v11n5p381

Period of Weed Interference in Bean With Nitrogen Fertilizer

2019· article· en· W2938802179 sur OpenAlexvenueno aff
Serena Capriogli Oliveira, Lorena R. S. Peres, Neriane Hijano, P. L. da C. A. Alves

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgronomyHuman fertilizationSowingWeedCover cropBiologyCropNitrogenWeed controlNutrientFertilizerCrop yieldNitrogen deficiencyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

The competition between weeds and bean plants, mainly by nutrients of the environment, is one of the main causes of low crop yield. Therefore, the objective of this study is to evaluate the effects of nitrogen fertilization on the extension of the period prior to interference (PPI) in common beans, cultivar TAA GOL. Sowing was performed in conventional system. The treatments were divided into two groups: cover nitrogen fertilization (200 kg urea ha-1) and no cover fertilization. Within each area, we established periods of cohabitation of the crop with weeds from the emergence up to seven times of its life cycle (0-10, 0-20, 0-30, 0-40, 0-50, 0-60, 0-70 days) and a control. The experiment design was randomized blocks with three replicates. Digitaria spp. presented a greater relative importance in both areas, followed by Eleusine indica. The period prior to weed interference (PPI) in the area with nitrogen fertilization occurred up to 46 days after emergence (DAE), and only up to 3 DAE for the area without cover fertilization. There was a 30% decrease in bean productivity by comparing the area with nitrogen fertilization (2,004.79 kg ha-1) and the area without nitrogen fertilization (1,412.43 kg ha-1). Therefore, nitrogen fertilization increased crop yield and favored it competitively in relation to weeds by increasing the weed PPI.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,177

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,220
Écart entre enseignants0,205 · 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'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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207