Mineral Contents of Chickpea Cultivars (Cicer arietinum L.) Grown at Different Locations of Turkey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mineral deficiency-induced diseases and health problems influence billions of people worldwide. Development of edible legumes with high mineral contents will provide significant contributions in reducing the frequency of such diseases. Among the edible legumes, chickpea has quite high nutritional values and quite low production costs, thus commonly grown and consumed worldwide. This study was conducted to determine mineral (potassium, phosphorus, sulphur, calcium, magnesium, sodium, zinc, iron, boron, manganese, copper) contents of eight different chickpea cultivars Azkan, Hisar, Aka, Gke, grown in two different locations (Afyonkarahisar and Yozgat provinces of Turkey) for two years (2015 and 2016). Experiments were conducted in randomized blocks design with three replications. Among the minerals, potassium was highest (6435.2-8231.7 mg kg -) followed by phosphorus (2573.9-3094.0 mg kg -1 ) and sulphur (1710.9-2060.7 mg kg -1 ). Among the minerals, copper was lowest followed by boron and manganese. Considering the average of locations, it was observed that Gke, Akin-91, Azkan and Hisar cultivars were prominent with sulphur content; Aka with boron, sodium and calcium contents; Yaa-05 and Ik-05 with potassium, phosphorus, magnesium, zinc, iron, magnesium, manganese and copper contents. akr cultivar was stable for all minerals. The concentrations of seed P, S, Ca, Mg, B and Mn were significantly affected by locations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 0,000 |
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.
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 découle