MétaCan
Menu
← Retour à la cohorte
Enregistrement W2970597064 · doi:10.5539/jas.v11n15p106

Combined Effects of Biological and Chemical Treatment on Rice Seed Physiological and Sanitary Quality

2019· article· en· W2970597064 sur OpenAlexvenueno aff
Alana Emanoele Pereira, Weliton Lucas da Silva Benites, Luana de Carvalho Catelan, Ana Paula Silva Couto, Nádia Graciele Krohn

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésTrichoderma harzianumPseudomonas fluorescensFungicideBiologySeed treatmentHorticultureThiramBiofertilizerAzospirillum brasilenseBacillus subtilisSeedlingAgronomyInoculationBiological pest controlGerminationMicrobial inoculant

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate the efficiency of integrated biological and chemical control of pathogens in rice seeds and their effects on seed quality. The experiment was conducted in a 2 × 5 factorial completely randomized design. Fungicide-treated (carboxin/thiram) and untreated rice seeds were inoculated with distilled water (control), Azospirillum brasilense, Bacillus subtilis, Pseudomonas fluorescens, or Trichoderma harzianum. Seed vigor and viability, shoot and root length, and seedling dry weight were determined. The blotter test was carried out to assess seed health. Fungicide treatment improved seed vigor and viability and reduced the incidence of fungi. Biological treatment did not enhance the physiological quality of seeds but was able to control fungi. A. brasilense, B. subtilis, P. fluorescens, and T. harzianum controlled Phoma sorghina; B. subtilis, P. fluorescens, and T. harzianum were effective against Aspergillus flavus; P. fluorescens and T. harzianum controlled Pyricularia oryzae; and T. harzianum was effective against Gerlachia oryzae.

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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,233 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetPlant Pathogens and Fungal Diseases→Travaux en français237 207→