MétaCan
Menu
Retour à la cohorte
Enregistrement W4200617552 · doi:10.3390/agronomy11122559

Harnessing Trichoderma in Agriculture for Productivity and Sustainability

2021· article· en· W4200617552 sur OpenAlexaff
Nur Syafikah Abdullah, Febri Doni, Muhamad Shakirin Mispan, Mohd Zuwairi Saiman, Yusmin Mohd‐Yusuf, Mushafau Adebayo Oke, Nurul Shamsinah Mohd Suhaimi

Notice bibliographique

RevueAgronomy · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant-Microbe Interactions and Immunity
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAbiotic componentSustainabilityTrichodermaAgricultureBiotic stressProductivityEnvironmental scienceAgroforestryAbiotic stressAgricultural engineeringBiologyBiotechnologyEcologyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Increased agricultural activities driven by rising food demand have led to environmental problems mostly arising from the high levels of external inputs and resources that are required. Additionally, environmental changes, such as global warming, can lead to various biotic and abiotic stresses, which have negative impacts on crop production. Numerous solutions and agricultural strategies have been introduced to overcome these problems. One of the ways to improve plant production as well as to increase resistance towards biotic and abiotic stresses is by utilizing beneficial microbes as soil inoculants. A better understanding of the ability of Trichoderma to enhance crop production and the mechanisms that are involved are important for deriving maximum benefits from their exploitation. These versatile fungi hold great promise for the development of viable commercial products that can be used widely in agriculture for increasing crop productivity in a more sustainable way. Many previous reviews on Trichoderma have tended to focus on the mechanisms of Trichoderma in enhancing plant growth and yield. This current review discusses the sustainability aspect of using Trichoderma as plant growth regulators, the impact on plant growth and yield as well as their effects in regulating biotic and abiotic stresses.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,015
Tête enseignante GPT0,234
Écart entre enseignants0,219 · 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

Citations91
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetPlant-Microbe Interactions and ImmunityTravaux en français237 207