MétaCan
Menu
Retour à la cohorte
Enregistrement W4390760581 · doi:10.5958/2583-3715.2023.00016.3

Integrated soil amendments for potato crop performance

2023· article· en· W4390760581 sur OpenAlexaff
Shivam Singh, Neeraj Kumar Singh, Anjana Kholia, Umesh Chandra Sati, Akshay Chittora, Vijai Kumar

Notice bibliographique

RevueRASSA Journal of Science for Society · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensCentre de Santé et de Services Sociaux Cavendish
Organismes subventionnairesnon disponible
Mots-clésCropAgronomyEnvironmental scienceAgricultural engineeringAgroforestryBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Present study on integrated soil amendments for potato crop performance was conducted at the Horticultural Research Farm of Chaudhary Shivnath Singh Shandilya (P.G.) College, Machhra, Meerut (U.P.) during rabi season of the year 2020-21. The experiment was laid out in RBD (Randomized Block Design) with nine treatments consisting of different organic and inorganic fertilizers, both alone and in combination, replicated thrice. Observations on growth parameters at 60 and 90 days after planting (DAP), yield parameters at the time of harvest and quality parameters after harvest were recorded for statistical analysis. The result obtained indicated superiority of combinations of inorganic and organic fertilizers as compared to the other treatments in terms of growth and yield parameters. The maximum plant height, greater number of leaves per hill and greater tuber diameter were observed with treatment receiving half of the recommended dose of fertilizers (RDF) and 20 t/ha FYM, while the maximum number of haulms per hill and higher dry matter content was observed in treatment receiving 5 t/ha vermicompost. More number of branches per plant, yield characters i.e., number of tubers/ plant, weight of tuber, average tuber weight, and yield of tuber were recorded in treatment receiving full RDF along with 5 t/ha vermicompost.

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)0,003
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,054
Tête enseignante GPT0,305
Écart entre enseignants0,251 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRASSA Journal of Science for SocietyMême sujetPotato Plant ResearchTravaux en français237 207