MétaCan
Menu
Retour à la cohorte
Enregistrement W2939958195 · doi:10.5539/jas.v11n5p206

News Soybean Sowing Arrangements on Spray and Control of Asian Rust

2019· article· en· W2939958195 sur OpenAlexvenueno aff
Diego Miranda de Souza, Leidiane Coelho Carvalho, Marina Mouzinho Carvalho, R. C. O. de F. Bueno, Carlos Gilberto Raetano

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueYeasts and Rust Fungi Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade Estadual Paulista
Mots-clésSowingPhakopsora pachyrhiziSoybean rustAgronomyFungicideYield (engineering)Phytosanitary certificationRust (programming language)CropBiologySeed treatmentMathematicsHorticultureGerminationComputer science

Résumé

récupéré en direct d'OpenAlex

Asian soybean rust (ASR) is one of the most severe diseases of the soybean crop, and the use of fungicides is the main form of control. Among the updates of soybean production system is adoption of new sowing arrangements. However are still incipient the studies to combine soybean sowing arrangements and pesticide spraying techniques on phytosanitary treatments on this crop. Therefore, the study aimed to evaluate the impact of different soybean sowing arrangements on spraying, ASR control, agronomic parameters and yield. The experimental design was randomized blocks in the subdivided plots scheme, with five sowing arrangements and two application techniques (with and without adjuvant). The spray deposition and coverage levels, the vertical distribution of leaves in the plants on different sowing arrangements, were evaluated the ASR disease severity and the productivity. Spraying is not affected by sowing arrangements. The adjuvant increased spray coverage. The vertical distribution of the leaves and number of branches in the soybean plants is affected by the sowing arrangement. The disease severity and yield were not affected by sowing arrangements.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil0,138

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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