The influence of agrochemicals on the yield and quality of soybean when growing using No-till technology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The article presents the results of field experiments carried out in 2018-2020 on the fields of EkoNivaAgro LLC at the Levoberezhnoye farm (Liskinsky district, Voronezh region). The objects of the study were the Canadian soybean variety OAK Prudence, the Argentinean inoculant of the liquid formulation Nitragin Zh, the fungicidal dressing agent Delit Pro, KS, pyraclostrobin 200 g / l (BASF, Germany). Soybeans were grown using the NO-TILL technology after the predecessor corn for grain. The yield of soybean grain in the control variant (without the use of agrochemicals) was the highest in 2018, favorable for moisture (1.50 t / ha) and practically the same in 2019 and 2020. - 1.24 and 1.23 t / ha, respectively. On average for 2018–2020 the yield of soybean grain in the control variant was 1.32 t / ha. The maximum grain yield was obtained on the variant with the combined use of the inoculant Nitragin Zh and ammonium nitrate at a dose of 200 kg / ha - 2.08 t / ha. The increase in comparison with the control variant reached 0.76 t / ha, or 57.0%. The greatest influence on the technological parameters of soybean seeds was exerted by pre-sowing inoculation of seeds and pre-sowing application of nitrogen fertilizers at a dose of N70. Inoculation provided an increase in the protein content in soybean seeds by 4.1%, and the introduction of N70 by 4.3% in absolute terms compared to the control.
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.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle