MétaCan
Menu
Retour à la cohorte
Enregistrement W4386552761 · doi:10.51419/202134422.

Evaluation of winter hardiness and drought resistance of alfalfa varieties in the conditions of Northern Kazakhstan

2023· article· en· W4386552761 sur OpenAlexaboutno aff
Victor Ostrovsky, Н. И. Филиппова, С. И. Коконов, Tatyana Ryabova, Olga Esenkulova

Notice bibliographique

RevueАгроЭкоИнфо · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHardiness (plants)Selection (genetic algorithm)Resistance (ecology)KazakhGeographyAgronomyBiologyForagePastureCultivar

Résumé

récupéré en direct d'OpenAlex

Research on the study of the adaptive properties of varieties of alfalfa variable for introduction into the forage production system in the sharply continental conditions of Northern Kazakhstan is an urgent task. The aim of the research is a comparative assessment of alfalfa varieties of different ecological and geographical origin in the conditions of the region. Experimental work was carried out on the basis of stationary field experiments, laid down in the Research and Production Center for Grain Farming named after. A.I. Baraev. The scheme of the experiment, which included 32 varieties of different ecological and geographical origin, including 10 varieties of Kazakhstan selection, 18 varieties of Russian selection, 3 varieties of Canadian selection and 1 variety - Ukrainian. Varieties Raikhan, Shortandinskaya 2, Karaganda 1 Karabalykskaya rainbow, Karabalykskaya Zhemchuzhina, Lyutsiya 14, Lazurnaya of Kazakh selection, varieties Guzel, Muslima, Sarga, Bibinur, Tatar pasture, Uralochka, Nakhodka of Russian selection and varieties Ferax, Rangelander of Canadian selection had an average variability of the trait, about as evidenced by the coefficient of variation V ≤ 20%. .6% drought tolerance. Keywords: ALUCERN VARIABLE, VARIETIES, WINTER HARDER, DROUGH RESISTANCE, VARIATION

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 enseignants0,918
Score d'incertitude au seuil0,265

Scores Codex et Gemma par catégorie

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

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 Opus0,039
Tête enseignante GPT0,255
Écart entre enseignants0,216 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueАгроЭкоИнфоMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207