Experience of growing soybeans (<i>Glycine max (L) merryll</i>) on irrigation in the unstable moisture zone of the Stavropol Territory
Notice bibliographique
Résumé
To obtain a stable harvest of high quality grain, Agrosakhar LLC, located in the Stavropol Territory, used soybean growing technology, which included: the use of modern energy and resource-saving equipment for soil cultivation, sowing and harvesting, cultivation of adapted varieties bred in Russia and Canada - Selecta 302, Vilana, Furio, Kofu, Kyoto, Kanata; introduction of complex fertilizer - azophoska for main soil cultivation, pre-sowing seed treatment with a fungicidal dressing agent Delit Pro and the inoculant Highcoat Super Soy. The system of protective measures included a combination of agrotechnical measures using chemical plant protection products based on monitoring of harmful objects. To combat monocotyledonous and dicotyledonous species of weeds, sowing was treated with Pledge herbicide before germination, followed by a tank mixture of herbicides Bazagran with Harmony in the phase of the first true leaf in soybean plants. The use of the fungicide Akanto Plus together with Karate Zeon and Ampligo Plus ensured effective protection of soybean plants from diseases and pests during the growing season. The technology used for growing soybeans on the farm enables you to consistently get a large and high-quality grain yield. The maximum yield of 2.92 t/ha was obtained by sowing the Kofu variety using the developed cultivation technology. On average, the yield of protein amounted to 0.98, and vegetable fat amounted to 0.59 t/ha. The profitability of soybean grain production on the farm using this cultivation technology is 44.2%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».