پیش بینی دماهای کاردینال جوانهزنی هویج (Daucus carota L.) و سه گونه علف هرز غالب آن با استفاده از مدل های رگرسیون غیر خطی
Notice bibliographique
Résumé
Carrot is a particularly difficult crop to manage in terms of weed control. For weed management of carrot, seed germination is a key process because it determines both the number of weeds that could potentially emerge and the timing of their appearance in the carrot. This study was done to evaluate two nonlinear regression models (Intersected-lines and Dent-like) to describe response of germination rate to temperature in carrot (Daucus carota L.), common chickweed (Stellaria media (L.) Vill.), yellow foxtail (Setaria glauca (L.) P. Beauv.) and canada fleabane (Conyza canadensis (L.) Cronq.). This experiment was based on completely randomized design with 4 replications at Islamic Azad University, Science Research Branch, in 2015. The seeds were treated with different temperatures (2, 5, 10, 15, 20, 25, 30, 35, 40 and 45oC). The analysis of variance showed that temperature had a significant effect on all seed germination percentage and germination rates. Intersected-lines model was superior in carrot and Dent-like model was superior for common chickweed, yellow foxtail and canada fleabane. Base, optimum and maximum temperatures were predicted with appropriate model. Base, optimum and maximum temperatures were for carrot 1.67, 22.84, 43.16; common chickweed 3.58, 18.82-19.67, 42.75; yellow foxtail 14.17, 33.75-34.92, 44.86 and canada fleabane 13.74, 31.73-31.94, 44.21ºC, respectively. This results showed that carrot germinated earliest among the studied species, because it had the lowest base temperature, so sooner planting it was caused sooner carrot establishment and less weed competition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».