Establishing critical limits for nickel in soil and plant for predicting the response of spinach (spinacia oleracea)
Notice bibliographique
Résumé
Nickel (Ni) is an essential element for plants and research reports are available indicating its beneficial effects on growth of higher plants as well. Though abundant information exists on Ni toxicity in soil and plant system but not much is available on its critical level of deficiency (CLD) in soils and plants. A pot experiment was conducted in net-house of the micronutrient research project, Anand Agricultural University, Anand, Gujarat. For assessing the critical limit in soil, three bulk soils viz., low (<0.5 mg Ni kg-1), medium (0.5 to 1.0 mg Ni kg-1) and high (>1.0 mg Ni kg-1) were collected from different locations of Anand district. Six levels of Ni, i.e. Ni0, Ni2, Ni4, Ni6, Ni8 and Ni10 (0, 2.0, 4.0, 6.0, 8.0 and 10.0 mg Ni kg-1 soil) were applied in all 20 soils (10 low, 6 medium and 4 high in Ni content in soil). The experiment was conducted in factorial completely randomized design with three replications. The critical limit of Ni in soil was determined by Bray's per cent yield plotted against soil available Ni using the scattered diagram in graphical as well as statistical method. Wide variation in dry matter produce was observed across the soils. The concentration of Ni in spinach plant increased with increasing the level of Ni in soil. The CLD of the 0.005 M DTPA-CaCl2 extractable Ni in soil and plant was worked out as 0.46 and 2.27 mg kg-1, respectively with statistical method. Whereas, in graphical method it was reported as 0.50 and 2.20 mg kg-1, respectively in spinach 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 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 | 0,003 | 0,002 |
| 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 ».