MétaCan
Menu
Retour à la cohorte
Enregistrement W2951775275 · doi:10.5539/jas.v11n9p112

Marandu, Xaraés and Piata Grasses Fertilized With Swine Wastewater Under Greenhouse Conditions

2019· article· en· W2951775275 sur OpenAlexvenueno aff
Marinho Rocho da Silva, Joadil Gonçalves de Abreu, Oscarlina Lúcia dos Santos Weber, Alexandra de Paiva Soares, Edna Maria Bonfim-Silva, Jefferson Vieira José

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-clésCultivarGreenhouseHuman fertilizationWastewaterAgronomyBiologyFertilizerCompletely randomized designForageEnvironmental scienceHorticultureEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The management of swine wastewater is of great importance where swine breeding is considerable and can represent an important fertilizer at maintenance of forages. The objective was to identify the Urochloa brizantha cultivar more responsive to fertilization with swine wastewater. The experimental design was in randomized blocks, with a 3 × 5 factorial scheme and four replications. The treatments consisted of three Urochloa brizantha cultivars (Marandu, Xaraés and Piatã) and five swine wastewater doses (0.0; 3.5; 7.0; 10.5 and 14.0 g dm3 pot-1). The experiment was carried out in a greenhouse in the city of Cuiabá-MT. Three cuts were performed in the aerial part of the plants with intervals of 30 days between them. The application of the swine wastewater, regardless of the cultivar provided an increment in the production of dry mass, plant height, number of tillers, number of leaves and crude protein content, besides reducing the neutral detergent fiber and acid detergent fiber contents. The swine wastewater can be used as an alternative in the fertilization of Urochloa brizantha, because the cultivars were responsive to fertilization.

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 enseignants0,005
Score d'incertitude au seuil0,010

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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,197 · 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 ScienceMême sujetGrowth and nutrition in plantsTravaux en français237 207