MétaCan
Menu
Retour à la cohorte
Enregistrement W3043485017 · doi:10.5539/jas.v12n8p152

Effect of Fertilizer Application on Growth and Yield of Manihot esculenta Crantz.

2020· article· en· W3043485017 sur OpenAlexvenueno aff
K. Sungthongwises, Anucha Laoken, Anan Polthanee

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCassava research and cyanide
Établissements canadiensnon disponible
Organismes subventionnairesKhon Kaen University
Mots-clésFertilizerMathematicsSowingRandomized block designManihot esculentaStarchAgronomyCultivarHorticultureChemistryBiologyFood science

Résumé

récupéré en direct d'OpenAlex

To investigate the effect of chemical and organic fertilizer management on growth, yield and nutrient uptake of two cassava cultivars under rainfed conditions, the study was laid out in factorial in randomised complete block design with four replications. The six treatments were TR1) Kasetsart 50 with 312.50 kg ha-1 of 15-15-15, TR2) CMR 33-38-48 with 312.50 kg ha-1 of 15-15-15, TR3) Kasetsart 50 with 312.50 kg ha-1 of 15-7-18, TR4) CMR 33-38-48 with 312.50 kg ha-1 of 15-7-18, TR5) Kasetsart 50 with 6,250 kg ha-1 of organic fertilizer and TR6) CMR 33-38-48 with 6,250 kg ha-1 of organic fertilizer. The results illustrated that Kasetsart 50 responded to chemical fertilizer management especially, 312.50 kg ha-1 of 15-7-18 formula and 6,250 kg ha-1 of organic fertilizer at 1 and 4 months after planting respectively, better than CMR 33-38-48 in terms of storage root fresh and dry weights, percentage of total starch and amylose content. CMR 33-38-48 responds to chemical fertilizer management and organic fertilizers in terms of stem and leaf growth.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,473
Score d'incertitude au seuil0,100

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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'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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCassava research and cyanideTravaux en français237 207