MétaCan
Menu
Retour à la cohorte
Enregistrement W4223564115 · doi:10.32717/0131-0062-2021-70-16-27

ОЦІНКА ОСОБЛИВОСТЕЙ РОСТУ І РОЗВИТКУ ГІБРИДІВ СПАРЖІ ЛІКАРСЬКОЇ В УМОВАХ ЛІСОСТЕПОВОЇ ЗОНИ УКРАЇНИ

2022· article· uk· W4223564115 sur OpenAlexaboutno aff
Тетяна Івченко, О. S. Lyaluk, Anna Mozgovska

Notice bibliographique

RevueVegetable and Melon Growing · 2022
Typearticle
Langueuk
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Biological Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArt

Résumé

récupéré en direct d'OpenAlex

Мета – дослідити вплив сортових особливостей 23 районованих і перспективних гібридів спаржі лікарської на ріст і розвиток рослин за вирощування в умовах Лісостепової зони за без гребеневої технології на краплинному зрошенні. Методи – загальнонаукові, спеціальні польові багаторічні та короткострокові досліди, лабораторні, розрахункові, статистичні. Результати. На закладеному у 2019 р. полігоні екологічного випробування перспективних гібридів спаржі лікарської проведено оцінку росту і розвитку рослин І–ІІІ років вирощування за безгребеневої технології на зрошенні в умовах Лісостепової зони. За результатами фенологічних спостережень за фазами розвитку рослин 23 гібридів спаржі лікарської визначено гібриди з раннім, середнім і пізнім строками відростання, що дозволяє надавати виробництву рекомендації стосовно організації конвеєра безперебійного виробництва спаржі зеленої впродовж тривалого періоду. Початок відростання гібридів спаржі розпочинався за наступних середньодобової та мінімальної температур на поверхні ґрунту: ранні – > 10 ºС та -1- 0 ºС; середні – > 10 ºС та > 4 ºС; пізні – за стабільних температур > 15 ºС та мінімальної температури на поверхні ґрунту >5º С. З метою розробки моделі оптимального гібрида для виробництва спаржі зеленої в умовах в Лісостеповій зоні України за допомогою використання функцій кластерного аналізу проаналізовано індекси 27 показників оцінки росту й розвитку рослин І–ІІІ років вирощування. Завдяки цьому генотипи із подібною нормою реакції було кластеризовано на групи. Такі гібриди як Apollo (Walker Brothers Inc.), Gijnlim та Аvalim (Limgroup B.V), Guelph Equinox (OAC of the University of Guelph), Vittorio (Blumen) за рівнем врожайності суттєво перевищили гібрид Aspalim (контроль) та увійшли до спільного кластера. За допомогою методу множинного регресійного аналізу розраховано рівняння залежності врожайності від кількісних ознак рослин. Установлено, що врожайність спаржі зеленої ІІІ-го року вирощування має функціональні зв’язки з такими ознаками, як кількість та висота пагонів рослин спаржі в кінці І року вегетації.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,007
Communication savante0,0140,007
Science ouverte0,0010,005
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0490,018

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 GPT0,181
Écart entre enseignants0,168 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVegetable and Melon GrowingMême sujetAgriculture and Biological StudiesTravaux en français237 207