Assessing the nutritional status of Southern Brazilian <i>Eucalyptus</i> plantations by the CND method
Notice bibliographique
Résumé
Genus Eucalyptus can be grown in different soils worldwide, although it is not always ready to fulfill plants’ nutrient demands. Whenever such nutrient shortage happens, it is necessary applying the nutrients missing, which can be established based on the critical levels and sufficiency ranges (SRs) of nutrients in leaves or by multivariate mathematical models, such as the composition nutrient diagnosis (CND). This study aimed to investigate the nutritional status of Eucalyptus plantations in Brazil, based on the CND method. A total of 119 12-month-old Eucalyptus saligna (E. saligna) plantations were sampled in the Rio Grande do Sul State (RS), Southern Brazil. Nutrient concentration in leaves and the diameter at breast height (DBH) was measured. The E. saligna nutritional status was calculated through the CND method. High- and low-yield populations were set based on DBH of 4.2 cm. The SRs proposed by the CND method were narrower than the ones proposed by official recommendations for Eucalyptus, especially for magnesium (Mg), boron (B), and iron (Fe). The CND-r 2 index recorded for each nutrient generated a limitation order for nutrients. The greater accuracy of the recommendations proposed by the CND method, compared with univariate and bivariate methods, contribute to reducing the use of fertilizers.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».