MétaCan
Menu
← Retour à la cohorte
Enregistrement W2943155307 · doi:10.5539/jas.v11n7p60

Maintenance of the Economic Performance of Eucalyptus in Competition With Weeds

2019· article· en· W2943155307 sur OpenAlexvenueno aff
Kaléo Dias Pereira, Jonas Elias Castro da Rocha, Norberto Cornejo Noronha, Rafael Gomes Viana, Dênmora Gomes de Araújo, Suany Couto Teixeira Nunes, Marcos André Piedade Gama

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Food Sciences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEucalyptusSowingCompetition (biology)Weed controlCanopyVolume (thermodynamics)MathematicsWeedHorticultureAgronomyBiologyBotanyAgroforestryEcology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to evaluate the growth of the hybrid clone Eucalyptus grandis × Eucalyptus urophylla submitted to competition with weeds and determine the period prior to economic loss (PPEL). The experiment was carried out in Ulianópolis, Pará State, Brazil, and consisted of the treatments continuous control and no control of weeds. Weed management was carried out by integrating both mechanical and chemical control. Stem base diameter, height, canopy diameter of eucalyptus plants were measured on the 16th month after planting. Wood volume was estimated by means of a volumetric equation. The treatments continuous control and no control of weeds were compared using the Hotelling’s T2 test and the parameters for PPEL calculation were defined from volume estimation. The treatment continuous control promoted significant gains in eucalyptus growth. PPEL tended to be reduced by 3.8287 and 0.2393 units with the increase of a unit in the price of wood and the increase of planting yield, respectively. For different eucalyptus wood prices, the calculated PPEL ranged from 40 to 161 days of coexistence with weeds.

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 enseignants0,002
Score d'incertitude au seuil0,003

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetAgricultural and Food Sciences→Travaux en français237 207→