MétaCan
Menu
Retour à la cohorte
Enregistrement W4214906133 · doi:10.5267/j.ccl.2022.1.001

Chemical composition and productivity for corn as affected by inorganic, organic nitrogen fertilizers and activators (Humic and Fulvic acid)

2022· article· en· W4214906133 sur OpenAlexvenueno aff
Mohammed A. Abd-Elzaher, Ibrahim Z. Ibrahim, Fathi A. Khalil, Wagih S. Mohamed

Notice bibliographique

RevueCurrent Chemistry Letters · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemistryHumic acidFertilizerNitrogenFulvic acidChemical compositionHumusOrganic fertilizerComposition (language)ProductivityEnvironmental chemistryAgronomySoil waterEnvironmental scienceSoil scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The present investigation was carried out to study the effects of inorganic, organic nitrogen fertilizers and activators (Humic and Fulvic acid) on chemical composition and productivity of corn. This study was conducted at Shandweel Agricultural Research Stations, Sohag Governorate, Egypt, and is situated at 26.60 N latitude and 37.70 E longitude. Its altitude is about 70 m above mean sea level. Also, this study was performed during two successive summer seasons 2014 and 2015. The experiments were laid down in split-split plot design with four replications. The treatments were included mineral nitrogen application in three levels (i.e. 60, 90 and 120 kg N fed.-1), organic and bio fertilizer application (without organic and bio fertilizer, 10 m3 FYM fed.-1 and Microbeine inoculume) as well as foliar spray of humic acid (water spraying, humic and fulvic acid spraying). The obtained results revealed that the interaction effects of all factors under study were significant for all studied traits.

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 enseignants0,005
Score d'incertitude au seuil0,370

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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,196 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Chemistry LettersMême sujetCrop Yield and Soil FertilityTravaux en français237 207