Biostimulants Based on Humic Acids, Amino Acids and Vitamins Increase Growth and Quality of Lettuce Seedlings
Notice bibliographique
Résumé
Humic acids (HA), amino acids (AA) and vitamins can increase plant growth; however, there are still few studies that determine the ideal concentration for use in lettuce (Lactuca sativa L.) production. Research was conducted to evaluate the effects of HA enriched with sources and levels of AA and vitamins on lettuce seedlings morphology and quality. Two experiments were conducted in a completely randomized design with four replicates. The first experiment had 16 treatments, 3 × 5 + 1 factorial design, the first factor was betaine, glycine and proline used in the HA enrichment, and second factor five concentrations of AA (0, 0.5, 1.0, 1.5, and 2.0 g L-1), plus the control, without HA and AA. The second experiment had 21 treatments, 4 × 5 + 1 factorial design, the first factor was the use of four vitamins (A, E, B1 and B2) in the enrichment of HA, while the second factor was composed of five concentrations of each vitamin (0, 0.5; 1.0, 1.5, and 2.0 g L-1) plus the control, without HA and vitamins. The application of HA and HA+AA promote the improvement in the seedling’s morphology and quality, while the application of the HA+vitamins negatively affected the morphology, reducing seedling quality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».