MétaCan
Menu
Retour à la cohorte
Enregistrement W2944954364

ВЛИЯНИЕ КЛИМАТИЧЕСКИХ ФАКТОРОВ НА РАЗВИТИЕ И ФОРМИРОВАНИЕ ХОЗЯЙСТВЕННО ЦЕННЫХ ПРИЗНАКОВ ОВСА

2014· article· ru· W2944954364 sur OpenAlexaboutno aff
А. В. Сорокина, Г. Н. Комарова

Notice bibliographique

RevueSiberian Herald of Agricultural Science · 2014
Typearticle
Langueru
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChaffAgronomyGrowing seasonProductivityCultivarGeographyEnvironmental scienceHorticultureBiologyBotany
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The yields and main agronomic characters of oat varieties bred at the Narym State Breeding Station (since 2006, the Narym Department of the Siberian Research Institute of Agriculture and Peat) were analyzed to determine ones most adaptable to local conditions. Results revealed that air temperature and precipitation have a complex impact on the development and formation of economic traits in oats. As to the duration of the growing season, the varieties studied are related to four maturity groups: early ripening (Tayozhnik), medium-early (Metis, Megion, Mustang), mid-ripening (Narymsky, Togurchanin), and medium-late (Talisman). Warmth deficit and excess rainfall increased the length of the growing period, especially in the second half of the vegetation season. Excess rainfall reduces resistance of oats to lodging. Oats productivity increases, when weather conditions are close to the long-term norm. The highly productive varieties are Talisman and Togurchanin (4.21-4.01 t/ha), less productive one is Narymsky 943 (3.40 t/ha). As to grain size, Narymsky 943 is a leader: its average thousand-kernel weight has made up 40.2 g. Talisman variety has the smallest grain of 36.7 g. Oats generates high chaff under unfavorable conditions of warm and moisture availability. All the varieties studied, except Narymsky 943, are low chaffy, and are proved to be valuable as to grain 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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'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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSiberian Herald of Agricultural ScienceMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207