The Assessment of Soil Fertility Index for Evaluation of Rice Production in Karanganyar Regency
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
Rice (Oryza sativa L.) is a very important food crop because the result is used as a staple food for residents in Indonesia. Higher food fulfillment leads to the increase of rice production of the Mojogedang sub-district. Paddy fields that have high soil fertility will produce good rice productivity. Rice fields in Mojogedang Sub-district are managed with organic systems and conventional systems, the management of different fields of rice field certainly affects the level of fertility in the paddy fields so it is necessary to evaluate the soil fertility index. The survey area consists of 10 points with organic and conventional management systems. The parameters taken include chemical and biological properties of soil, including; pH, redox potential, C-organic, CEC, base saturation, P available, available K, N Total, C/N ratio, and total microbial. The data obtained by performed analysis of the main component principal component analysis (PCA) using statistical applications. Then after complete the calculation of The Soil Fertility Index (SFI) at each point and management system. The results of statistical analysis obtained soil Fertility Index on organic management systems have a class of 4 or very high and in conventional management systems have a class of 3 or High. The value of the index obtained is strongly influenced by the K indicator available where the indicator has a noticeable effect on the various management systems. Increased soil fertility index due to the use of manure that can improve plant nutrients and applied for long periods.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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