MétaCan
Menu
Retour à la cohorte
Enregistrement W4317206974 · doi:10.3390/horticulturae9020125

Asparagus (Asparagus officinalis L.) Root Distribution Varies with Cultivar during Early Establishment Years

2023· article· en· W4317206974 sur OpenAlexaboutno aff
Dan Drost

Notice bibliographique

RevueHorticulturae · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesUtah Agricultural Experiment StationUtah State University
Mots-clésAsparagusCultivarBiologySowingOfficinalisHorticultureAgronomyCrown (dentistry)CropDry weightBotany

Résumé

récupéré en direct d'OpenAlex

Soil type, crop management practices, annual plant growth patterns, and seasonal changes have all been shown to influence asparagus (Asparagus officinalis) roots. This study describes the changes in root growth that occur over the three establishment seasons of three asparagus cultivars. Starting one year after planting, asparagus root length density and biomass were estimated from soil cores (55 mm diam. × 0.2 m long) collected to 0.9 m at three locations adjacent to the row (0.15, 0.3, and 0.6 m from row center). Samples were collected each spring during the spear harvest period (late April to early May). Soil cores were divided into 0.15 m lengths and fleshy roots were collected for the soil, root length density determined, and dry weights measured. The year of sampling had a significant effect on root development and, as time progressed, fleshy asparagus roots grew deeper into the soil. There was no difference in fleshy root length or fresh weight between the three cultivars evaluated. However, root distribution patterns varied between the cultivars. Fleshy roots for the cultivars Atlas and Jersey Giant extended further from the crown and deeper in the soil when compared to Guelph Millennium. Results can be used to improve crop management practices and increase our understanding of the dynamic changes of root development that occur over time in asparagus.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,208
Écart entre enseignants0,195 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHorticulturaeMême sujetIrrigation Practices and Water ManagementTravaux en français237 207