MétaCan
Menu
← Retour à la cohorte
Enregistrement W3152997760 · doi:10.5539/jas.v13n5p50

Previous and Current Crop Effects on Early-Season Root Growth and Growing Season’s Soil Moisture Under Dryland Agriculture in Temperate Climate

2021· article· en· W3152997760 sur OpenAlexfundvenueno aff
K. S. Gill, S.K. Jalota

Notice bibliographique

RevueJournal of Agricultural Science · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant nutrient uptake and metabolism
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Canola Producers CommissionAlberta Pulse Growers CommissionGovernment of Alberta
Mots-clésAgronomyCanolaGrowing seasonSativumWater contentHordeum vulgareEnvironmental scienceDryland farmingCropTemperate climateBiologyAgriculturePoaceaeBotany

Résumé

récupéré en direct d'OpenAlex

Understanding the root growth and changes in soil moisture content during the growing season for dryland agriculture crops can improve crop production. It was hypothesized that early-season root growth might be influenced by previous crop and current crops, and soil moisture content and depletion pattern during the growing season and residual soil moisture may be affected by the crop type. A study was conducted on the early-season root growth of canola (Brassica napus L.), wheat (Triticum aestivum L.), and flax (Linum usitatissimum L.) in 2015; and changes in soil water content during the 2013, 2014, and 2015 growing seasons under canola, flax, wheat, barley (Hordeum vulgare L.), and pea (Pisum sativum L.). Early-season root growth of the canola and flax crops was better on wheat than canola stubble, while for wheat it was similar on the stubbles of both wheat and canola. Soil moisture depletion started relatively earlier under the barley and wheat and later under the flax compared to the canola and pea crops. Flax continued to deplete soil moisture for a longer period than the other crops. With some exceptions, all crops could deplete soil moisture to a similar level (down to about 15% or somewhat lower) by the end of their growing seasons. Generally, almost equal amounts of residual soil moisture remained after the different crops.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

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
Bibliométrie0,0000,000
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 Opus0,009
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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'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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural Science→Même sujetPlant nutrient uptake and metabolism→Travaux en français237 207→