MétaCan
Menu
Retour à la cohorte
Enregistrement W4387125485 · doi:10.32854/agrop.v16i7.2468

Respuesta de la caña de azúcar (Saccharum officinarum) al abonado orgánico en el norte de Belice

2023· article· en· W4387125485 sur OpenAlexaff
Sergio Amilcar Canul Tun, Víctor Manuel Interián-Ku, Esmeralda Cázares-Sánchez, Jaime D. Sosa-Madariaga, Gustavo Hernández-Rodríguez

Notice bibliographique

RevueAgro Productividad · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNatural Products and Biological Research
Établissements canadiensNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésHectareHuman fertilizationBiologyForestrySaccharum officinarumDry weightHorticultureAgronomyGeographyAgricultureEcology

Résumé

récupéré en direct d'OpenAlex

Among the most productive activities in northern Belize is sugar cane; as a result, it is a livelihood and income base for many Belizeans who depend on it. However, the low productivity has been an important factor since it has limited the production yield due to high costs of inputs such as synthetic chemical fertilizers, pesticides, among others. Also, due to its intensive application, it has caused a problem in sustainability between the soil, crops and the environment. The objective of this study was to evaluate the response of sugarcane to organic fertilization in northern Belize. The work consisted of a completely randomized experimental design of 10 treatments, made up of the control (without fertilization), synthetic chemical fertilization, bokashi, bovine biol, and their combinations. The variables evaluated were: Diameter, longitude, and stem weight, maturity index, number of dry leaves, weight of dry leaves, green tops, plant weight and plant longitude. The treatment that obtained the best result was treatment ten (T10, 3 t edaphic bokashi + 2 % foliar biol). It also obtained the highest yield of tons per hectare (t ha-1) with 330; likewise, higher maturity index with 89.9 %.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,232

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,386
Écart entre enseignants0,367 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgro ProductividadMême sujetNatural Products and Biological ResearchTravaux en français237 207