MétaCan
Menu
Retour à la cohorte
Enregistrement W4200410963 · doi:10.15835/buasvmcn-fst:2021.0013

Foliar Application of Boron Improves the Growth and Yield in Barley (Hordeum Vulgare L.)

2021· article· en· W4200410963 sur OpenAlexaff
Admin PRINCIPAL, Shafīq Aḥmad, Taqi Raza, Shakeel Imran, Neal S. Eash, Nawab Khan, Waqar Ashiq, Trevan Flynn

Notice bibliographique

RevueBulletin of University of Agricultural Sciences and Veterinary Medicine Cluj-Napoca Food Science and Technology · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Micronutrient Interactions and Effects
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHordeum vulgareAgronomyBoronMicronutrientNutrientYield (engineering)BiologyCropCrop yieldGrain yieldPoaceaeChemistry

Résumé

récupéré en direct d'OpenAlex

Crop productivity is limited by several environmental constraints. Among these, micronutrients availability to plants plays a key role in agricultural crops production. Boron is an important micronutrient for crops and it significantly aids in a grain setting. Soil applied boron become unavailable to plant due to fixation in soil sites and cause nutrients deficiency in plants, immature grain settings, and yield reduction. Thus, the aim of this work was to quantify the impact of the foliar application of boron gradients on the yield and growth of barley (Hordeum vulgare L.). Five treatments were studied, which included; T1= Control (0% B), T2 = 0.5% B, T3 = 1% B, T4 =1.5% B, and T5 =2% B. The results indicated that foliar application of B significantly increased the yield and growth traits in barley. However, 2% foliar application of B showed the highest value for all studied traits including; plant height (5.6%), number of tillers per plant (2.4%), spike length (32%), weight gain per spike (6.2%), seed index (6%), grain yield (10%), and biological yield (4%). Based on these findings, it can be concluded that the foliar application of B at 2% can be used to improve the growth and yield in barley.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
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 Opus0,013
Tête enseignante GPT0,201
Écart entre enseignants0,187 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of University of Agricultural Sciences and Veterinary Medicine Cluj-Napoca Food Science and TechnologyMême sujetPlant Micronutrient Interactions and EffectsTravaux en français237 207