Contents and yields of copper, iron, manganese and zinc would be affected by lucerne age and cut
Notice bibliographique
Résumé
BACKGROUND: Lucerne is a perennial legume forage, which can produce multiple cuts in 1 year. Microelements play fundamental roles in the function, maintenance and adaptation to the environment for lucerne growth. However, the role of the accumulation of copper (Cu), iron (Fe), manganese (Mn) and Zinc (Zn), which vary with lucerne ages or cuts, has not been previously determined. Therefore, a hypothesis on the Cu, Fe, Mn and Zn in lucerne varying with age and cut was tested. METHODS: Longdong) were selected as the material (until 2012 year), and samples were taken as three cuts at the cutting periods (early flowering stage) in 2012. Then, the contents and yields of Cu, Fe, Mn and Zn in lucerne were measured and calculated. RESULTS: The highest contents of Cu, Fe, Mn and Zn in lucerne were found in the 1 year old among the five ages, at the 3rd cut compared to the other two cuts, and in the leaf among the three organs. The highest yields of Cu, Fe, Mn and Zn were found in the older ages (11 and 8 years old), at the 3rd cut, and in the root among the three organs. The most positive correlations were found between contents, yields and biomass. CONCLUSIONS: The hypothesis was supported by the results. And the contents and yields of lucerne Cu, Fe, Mn and Zn were affected by the age, cut and organ. Furthermore, the yields of lucerne Cu, Fe, Mn and Zn were determined by their contents and lucerne biomass.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».