MétaCan
Menu
Retour à la cohorte
Enregistrement W3213127223 · doi:10.5267/j.ccl.2021.11.003

Evaluation of chemical composition of roots of three sugar beets varieties growing under different water deficit and harvesting dates in Upper Egypt

2021· article· en· W3213127223 sur OpenAlexvenueno aff
Omar M. Yassin, Saleh M. Ismail, Mohsen Gameh, F. A. Khalil, Ezzat M. Ahmed

Notice bibliographique

RevueCurrent Chemistry Letters · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDate Palm Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSugar beetSugarSucroseChemistryIrrigationGrowing seasonChemical compositionHorticultureComposition (language)Reducing sugarField experimentAgronomyBotanyFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

Field experiments were carried out at Shandaweel Agricultural Research Station, Sohag, Egypt to study the effects of deficit irrigation and harvesting date chemical composition of three sugar beet varieties. A split block design with three replications was used. Main blokes were assigned to three irrigation water regimes (100%, 85%, and 70% of water requirement). The sub blot was occupied by three harvesting dates (180, 195 and 210 days). Sub- sub plots comprised three sugar beet varieties namely (RAVEL, SV1841and SA1686). Results indicated that reducing water supply reduced alpha - amino N present in the second season, Na present in the second season, and K present and sugar lost to molasses, but increased sucrose present, extractable present, QZ present, purity present, extractability present. Increasing harvesting date increased K present, sucrose present, extractable present, QZ present, purity present, extractability present but reduced alpha - amino N present, Na present and sugar lost to molasses in the second season. Sucrose present, extractable present, QZ present purity present and extractability present of RAVEL and SA1686 varieties were almost comparable but higher than those of SV1841 variety.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,176

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,056
Tête enseignante GPT0,279
Écart entre enseignants0,223 · 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 tête enseignante, 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Chemistry LettersMême sujetDate Palm Research StudiesTravaux en français237 207