MétaCan
Menu
Retour à la cohorte
Enregistrement W2980940249 · doi:10.1590/s1678-3921.pab2019.v54.00768

Optimal experimental plot size for papaya cultivation

2019· article· en· W2980940249 sur OpenAlexaff
Mauricio dos Santos da Silva, Sebastião de Oliveira e Silva, Sérgio Luíz Rodrigues Donato, Carlos Alberto da Silva Lédo, Orlando Melo Sampaio Filho, Gilmara de Melo Araújo Silva, Antônio Leandro da Silva Conceição

Notice bibliographique

RevuePesquisa Agropecuária Brasileira · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBanana Cultivation and Research
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesEmbrapa Mandioca e FruticulturaConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésMathematicsPlateau (mathematics)Yield (engineering)AgronomyHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Abstract: The objective of this work was to determine the optimal size of experimental plots for the evaluation of agronomic characteristics and fruit quality of papaya, by the linear model of plateau response, under soil and climatic conditions of the Recôncavo Baiano region, in the state of Bahia, Brazil. The experiment consisted of a uniformity test, with the papaya lineage L78, at 3×2 m spacing, in 16 rows with 22 plants, totaling 352 plants and 2,112 m2 useful area. Each plant was considered as a basic unit, and 11 forms of pre-established plots, with rectangular and row formats, were obtained. The agronomic characteristics and fruit quality were evaluated in the plots. Optimal plot size varied greatly among the variables related to agronomic characteristics, with a greater participation of the variable number of marketable fruit per plant at 14 months (16 basic units). The optimal plot size for the evaluation of the agronomic characteristics and fruit quality in papaya is eight experimental units, with 48 m2 area, at a spacing of 3 m between rows and 2 m between papaya plants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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)0,0040,001

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,275
Écart entre enseignants0,244 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePesquisa Agropecuária BrasileiraMême sujetBanana Cultivation and ResearchTravaux en français237 207