MétaCan
Menu
Retour à la cohorte
Enregistrement W3084213103 · doi:10.5539/jas.v12n10p188

Organic Compost of Swine Manure in the Production of Green Corn in Manaus, Brazil

2020· article· en· W3084213103 sur OpenAlexvenueno aff
Pamela Karoline Correia Brunner, Hugo César Tadeu, Carla Coelho Ferreira, Ana Cecília Nina Lobato, Aurinei da Silva Ramos, Albejamere Pereira de Castro

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGrowth and nutrition in plants
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado do AmazonasCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésCompostManureSowingAgronomyBiodegradable wasteOrganic farmingGerminationHuman fertilizationAnimal scienceEnvironmental scienceBiologyAgriculture

Résumé

récupéré en direct d'OpenAlex

Pig farming is considered one of the activities with the greatest environmental impact due to the erroneous disposal of swine waste. The present work aimed to produce an organic compost using waste from pig production and evaluate its chemical characteristic, corn yield under doses of this organic compost and soil nutritional quality before and after the experiment implementation. The Corn was fertilized at sowing and 30 days after plant germination using organic compost from pig waste at the doses: 0, 2, 3, 4 and 5 t ha-1. The Corn used was CATIVERDE 02 and were seeded at 1.0 m spacing between rows and 0.40 m between plants, in a total area of 240 m2. The experimental design was randomized blocks with four replications and five doses of organic compost. The parameters evaluated for corn were: plant height, stem diameter, weight and corncob length. Fertilization with swine organic compost increases in soil P, K, Ca, even after the corn harvest. The best treatment was with a dose of 5 t ha-1, as it resulted in higher plant height (1.85 m) and corn cob weight (261 g).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,215
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetGrowth and nutrition in plantsTravaux en français237 207