MétaCan
Menu
Retour à la cohorte
Enregistrement W3049207872 · doi:10.5539/jas.v12n9p96

Glauconitic Siltstone as a Source of Potassium, Silicon and Manganese for Flooded Rice

2020· article· en· W3049207872 sur OpenAlexvenueno aff
Rafael Gómez Arrieta, Camila de Andrade Carvalho Gualberto, Thiago Siqueira Prudente, Gustavo Alves Santos, Luiz Henrique Alves da Silveira, Bruno Nicchio, Hamilton Seron Pereira

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSilicon Effects in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas GeraisConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésSiltstoneManganeseChemistryPotassiumNutrientSoil waterAnimal scienceChlorideMineralogyGeologyBiologySoil science

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to evaluate the efficiency of glauconitic siltstone as a multi-nutrient source for flooded rice. Two experiments were carried out under greenhouse conditions, one using a Ferralsol and the another an Arenosol. Glauconitic siltstone was applied in different doses (0, 5, 20, 40, and 80 mg dm-3 K2O) and potassium chloride, wollastonite, and manganese sulfate were respectively used as standard sources, at doses of 80 mg dm-3 K2O, 270 mg dm-3 Si, and 2 mg dm-3 Mn. The sources were incubated for 90 days on the two soil types and, after the incubation period, rice plants were sown, and two consecutive rice growths were performed. The application of glauconitic siltstone in tropical soils promotes increases in the plant and grain dry matter of rice plants, as well as K, Si and Mn contents in soil samples and accumulated in plants. Greater effects following the application of glauconitic siltstone are obtained after the second rice growth due to its gradual release.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,215 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSilicon Effects in AgricultureTravaux en français237 207