MétaCan
Menu
Retour à la cohorte
Enregistrement W3102621430 · doi:10.1111/gcbb.12779

Fertility management for industrial hemp production: Current knowledge and future research needs

2020· article· en· W3102621430 sur OpenAlexaboutno aff
Sarah E. Wylie, Andrew G. Ristvey, Nicole M. Fiorellino

Notice bibliographique

RevueGCB Bioenergy · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilitySoil fertilityCannabis sativaBusinessProduction (economics)AgroforestryBiotechnologyBiomass (ecology)Environmental scienceAgronomyBiologyEnvironmental healthPopulationMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Until recently, commercial cultivation of industrial hemp ( Cannabis sativa L.) was illegal in the United States. Industrial hemp is cultivated for multiple purposes including fiber, seed, and biomass production; each requiring a different agronomic system which may require different nutrient and fertility recommendations. However, there is limited peer‐reviewed research available on hemp plant fertility requirements and soil‐nutrient removal. This essentially multiplies the research effort needed to generate scientifically sound fertigation recommendations. Some fertility research has been published from European and Canadian studies, but as cultivation of hemp increases in the U.S. researchers and extension personnel will be asked to generate recommendations for profitable hemp cultivation. This creates a need for new, updated, and relevant fertility research to form the basis of peer‐reviewed recommendations. This article reviews and summarizes the current state of peer‐reviewed industrial hemp fertility research and we pose ideas for future fertility studies necessary for the development of industrial hemp fertilizer recommendations.

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)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,196
Tête enseignante GPT0,333
Écart entre enseignants0,137 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGCB BioenergyMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207