MétaCan
Menu
Retour à la cohorte
Enregistrement W2943152327 · doi:10.5539/jas.v11n6p383

Biochar as Phosphorus Conditioner in Substrate for Brazil Nut (Bertholletia excelsa Humb. & Bonpl.) Seedling Production in the Central Amazon

2019· article· en· W2943152327 sur OpenAlexvenueno aff
João Batista Dias Damaceno, Ana Cecília Nina Lobato, Romildo Torres da Gama, Danielle Monteiro de Oliveira, Newton Paulo de Souza Falção

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-clésBiocharSeedlingPhosphorusShootBrazil nutHorticultureHuman fertilizationBiologyDry weightAnimal scienceNutAgronomyBotanyChemistryFood sciencePyrolysis

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to evaluate the interaction of biochar and phosphorus in substrate for seedling production of Brazil nut. A greenhouse experiment was carried out with the following treatments: five doses of biochar (0, 20, 40, 60 and 80 t ha-1) and effect of two levels of phosphorus (0 and 100 kg ha-1 of P2O5) with 4 replicates. The plant height, stem diameter and number of leaves were monthly evaluated. At the end of experiment (180 days), the plants were removed from the pots and were evaluated the dry weight of the seedlings (total, shoot and roots), absolute growth rate, height/diameter and shoot/root ratio, number of leaves, leaf gain and quality index of seedlings. There was a significant interaction between the biochar and phosphorus interaction. The elevation of the bioburden doses did not influence any variables with phosphorus. In the absence of phosphorus, the doses of up to 40 t ha-1 of biochar promoted the highest values of the analyzed variables. Higher doses of biochar (> 40 t ha-1) reduced the growth and seedlings quality, however, it was found that under phosphate fertilization, the seedlings were obtained better growth results.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

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 recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,223 · 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'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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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