MétaCan
Menu
Retour à la cohorte
Enregistrement W4323656789 · doi:10.35172/rvz.2023.v30.1052

BIOMASS SORGHUM SILAGES WITH SUGARCANE

2023· article· en· W4323656789 sur OpenAlexaff
D’arc Elly Prates de Oliveira, Caroline Salezzi Bonfá, Marcela Azevedo Magalhães, Flávia de Jesus Ferreira, Gabriel Machado Dallago, R. A. da C. Parrella

Notice bibliographique

RevueVeterinária e Zootecnia · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensMcGill University
Organismes subventionnairesUniversidade Federal de LavrasUniversidade Federal de Viçosa
Mots-clésSilageSorghumDry matterBiomass (ecology)AgronomyNeutral Detergent FiberForageHemicelluloseSweet sorghumFermentationLigninCompletely randomized designOrganic matterBiologyAnimal scienceFood scienceBotany

Résumé

récupéré en direct d'OpenAlex

The storage of forage to be offered at different times of the year are viable alternatives for all production systems, and sorghum biomass has been highlighted for this purpose. As preserved forage, it was hypothesized that sugarcane can contribute to the fermentation process. The objective was to evaluate the inclusion of different levels of sugarcane (0, 20, 40 and 60%) in the silage of three biomass sorghum genotypes (B012, B017 and B018). The material was ensiled using PVC silos and after 60 days the silos were opened and the contents of dry matter, mineral matter, organic matter, crude protein, neutral detergent fiber, acid detergent fiber, hemicellulose, lignin, and hydrogen potential were determined. The experiment was conducted in a completely randomized design, in a factorial scheme with four replications. The data were analyzed through the analysis of variance followed by multiple comparison by Tukey's test (α < 0.05) and linear regression. The biomass sorghum genotypes responded satisfactorily to the fermentation process, resulting in quality silages. However, the inclusion of sugarcane did not improve the quality of the silages, and its inclusion in the silage of the genotypes evaluated is not recommended.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,001

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 Opus0,027
Tête enseignante GPT0,228
Écart entre enseignants0,201 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVeterinária e ZootecniaMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207