MétaCan
Menu
Retour à la cohorte
Enregistrement W2940317927 · doi:10.5539/jas.v11n5p479

Growth and Quality of Inga heterophylla Willd Seedlings According to the Slow Release Fertilizer

2019· article· en· W2940317927 sur OpenAlexvenueno aff
Elson Junior Souza da Silva, Jéssy Anni Vilhena Senado, Ádson E. da Silva, Marcos André Piedade Gama, Selma Toyoko Ohashi, Giuliana M. P. de Souza, Gracialda Costa Ferreira, Norberto Cornejo Noronha, Gilson Sérgio Bastos de Matos, Dênmora Gomes de Araújo

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSeedlingFertilizerIngaHorticultureHuman fertilizationDry weightMathematicsCompletely randomized designAnimal scienceBotanyBiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

Slow release fertilizers have become an alternative for better efficiency in substrate fertilization for seedlings production, however, there are not many studies approaching the use of such fertilizers in the production of native forest species seedlings. This work aimed to evaluate the effect of different doses of a slow release fertilizer (SRF) on the development and quality of the Inga heterophylla seedlings. The experiment was conducted in a vivarium with 50% of shade for a 150-day period. Randomized blocks were the chosen experimental design, constituted of four treatments and four replications, with twenty plants per experimental unit. The treatments were four doses of Osmocote® FLL (0, 4.1, 8.2 and 12.3 g dm-3) in NPK 15-09-12 formulation, with evaluated variables being the height of the seedling (H), collar diameter (CD), number of leaf pairs (NLP), leaf area (LA), aerial part dry mass (APDM), root dry mass, total dry mass (TDM) and Dickson quality index (DQI). All the evaluated parameters responded significantly to the SRF doses and fit the positive quadratic polynomial model. For all of the analyzed variables, results show that the best averages were obtained by using the doses between 5.7 and 6.5 g dm-3, but due to the quadratic response they presented a decrease in the mean values after doses which were superior to the maximum performance point of each characteristic.

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 enseignants0,838
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 Opus0,020
Tête enseignante GPT0,235
Écart entre enseignants0,215 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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