MétaCan
Menu
Retour à la cohorte
Enregistrement W4285707555 · doi:10.5539/jas.v14n8p166

Water Deficit and Excess and the Main Physiological Disorders in Agricultural Crops

2022· article· en· W4285707555 sur OpenAlexvenueno aff
Bruna de Villa, Mirta Teresinha Petry, Maicon Sérgio Nascimento dos Santos, Juliano Dalcin Martins, Isabel Lago, Murilo Brum de Moura, Henrique Schaf Eggers, Giane Lavarda Melo, Felipe Tonetto, Cassio Miguel Ferrazza, Andressa Fuzer Gonçalves, Ticiana François Magalhães, Isac Aires de Castro

Notice bibliographique

RevueJournal of Agricultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureDeficit irrigationIrrigationAgronomyAgricultural productivityEnvironmental scienceBiologyIrrigation managementEcology

Résumé

récupéré en direct d'OpenAlex

The comprehension of the precise water consumption of agricultural crops is a valuable tool for establishing management programs and irrigation schedules. Appropriately, the purpose of this study was to promote a bibliographic review on the main reflexes of the inappropriate use of water and what this process can promote in the establishment and development of agricultural crops. Moreover, theoretical questions were raised regarding physiological responses triggered by soil water deficit and its effect on crop growth, critical periods for water deficit, physiological responses, and their effects on the growth of main agricultural crops. Information on the misuse of water resources and its effects have presented a series of manifestations to plants and, consequently, to agricultural production, such as a production depletion, reduction of carbon fixation, nutritional deficiency, reduction of plant height, reduction of thousand-grain weight, yellowing of leaves, reduction in germination percentage, among other factors. Correspondingly, water stress can cause a drastic reduction in leaf area, productivity decrease, stomatal closure, leaf senescence, reduced roots, reduced flowering, hampering crop emergence and stability, spikelet sterility, etc. Finally, studies aimed at the consequences of poor irrigation and/or inadequate precipitation values are of high importance, mainly due to the investigative improvement on the use of water in an effective and sustainable way.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,674

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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'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 revueJournal of Agricultural ScienceMême sujetCrop Yield and Soil FertilityTravaux en français237 207