MétaCan
Menu
Retour à la cohorte
Enregistrement W2944236321 · doi:10.5539/jas.v11n7p67

Secondary Growth Control in Garlic With Post Emergency Herbicides

2019· article· en· W2944236321 sur OpenAlexvenueno aff
Rodrigo Pereira de Assis, Douglas Correa de Souza, Valter Carvalho de Andrade Júnior, Adenilson Henrique Gonçalves, Rovilson José de Souza

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGarlic and Onion Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBulbGlyphosateWeed controlSowingRandomized block designProductivityToxicologyAgronomyBiologyAnimal scienceHorticulture

Résumé

récupéré en direct d'OpenAlex

This study aimed to verify the effect of the herbicides in the secondary growth control, productivity, and quality in garlic. The treatments were 5 herbicides: Glyphosate; Etoxissulfurom; 2-nicotinic acid; Halossulfurom and Metsulfurom-methyl and 5 doses (0; 10; 15; 20 and 25% of the smallest dose recommended for control of the weed). The experimental design was a randomized block, with 3 repetitions. The following evaluations were made: the total and marketable yield of bulbs, a percentage of secondary growth in bulbs, the medium mass of commercial bulbs and the number of bulbils per bulb of the commercial production. Larger productivities total and marketable was observed for the herbicide Glyphosate, 13.93 t ha-1, and 13.16 t ha-1, with doses of 10.81% and 13.12% of the commercial dose, respectively. The smallest incidence of secondary growth 4.05% was observed for Glyphosate with 15.58% of the dose. The largest medium mass of commercial bulbs 35.75 g were observed for the herbicide Glyphosate with 15.83% of the dose. The herbicides 2-nicotínic acid and Metsulfurom-methyl reduced the total productivity in relation to the control treatment without herbicide application and they promoted little gain in commercial productivity. Some herbicides can control the secondary growth in vernalized garlic, however, are necessary appropriate doses applied 50 days after the planting.

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 enseignants0,677
Score d'incertitude au seuil0,516

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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,195
Écart entre enseignants0,189 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGarlic and Onion StudiesTravaux en français237 207