MétaCan
Menu
Retour à la cohorte
Enregistrement W2991845430 · doi:10.5539/jas.v12n1p46

Spatiotemporal Variations in Temperature Accumulation, Phenological Development and Grain Yield of Maize (Zea mays L.)

2019· article· en· W2991845430 sur OpenAlexvenueno aff
Abdul Hamid, Mohammad Ali Akbar, M. J. Ullah, Mong Sanue Marma, M. Mahbubul Islam, Jatish Chandra Biswas, M. G. Neogi

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesKrishi Gobeshona Foundation
Mots-clésSowingPhenologyAgronomyYield (engineering)Zea maysBiologyGrain yield

Résumé

récupéré en direct d'OpenAlex

Planting date effect on phenological development, temperature accumulation and grain yield of maize was evaluated at three locations of Bangladesh differing in environmental conditions. Marked variations were observed in days to attaining phenological stages, temperature accumulation, duration of growth stages and grain yield across locations and planting dates. October planted maize in Bandarban completed its life cycle in 116 days while February planted maize in Kaharol suffered from high temperatures. December planted maize in Birganj experienced cool weather in vegetative phase and nearly optimal temperatures during reproductive phase. High temperatures hastened maturity reducing the duration of reproductive growth. Early planted maize produced the highest grain yield. Higher grain yield was positively related with the duration of reproductive growth phase. Late planting reduced maize grain yield mainly through lowering the number of kernels per ear and reducing kernel weight.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,703
Score d'incertitude au seuil0,123

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,213 · 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.

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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCrop Yield and Soil FertilityTravaux en français237 207