MétaCan
Menu
Retour à la cohorte
Enregistrement W4392344424 · doi:10.18280/ijdne.190110

Impact of New Varieties on the Yield and Quality of Wheat, Oats, and Sudangrass in North-Eastern Kazakhstan

2024· article· en· W4392344424 sur OpenAlexvenueno aff
Baizhan Ualkhanov, Kudaybergen Konopiyanov, Ludmila Bekenova, Natalya Zhukova, Aigul Mukhamadiyeva

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Productivity and Crop Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésYield (engineering)AgronomyQuality (philosophy)GeographyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

The paper explores breeding and seed production in Northeastern Kazakhstan, specifically focusing on the introduction of new wheat, oats, and Sudangrass varieties by LLP "Pavlodar Agricultural Experimental Station".The research, conducted across 16 experimental sites in various districts of Akmola, North Kazakhstan, Karaganda, Pavlodar, and Kostanay regions, used standard field and laboratory methods to enhance agricultural yields and bolster food security in the region.The varieties of spring wheat (Anel-16 and Ertis 7), oats (Ertis samaly and Mirny), and Sudangrass (Dostyk 15) were investigated.The yield of crops, the weight of 1000 seeds, the protein and gluten content in wheat and oat grains, and the yield of normalised dry matter in the harvest of Sudangrass are determined.Variance and correlation analysis are used for statistical processing.The influence of weather conditions (average daily air temperature, precipitation amount, and Selyaninov hydrothermal coefficient for the growing season 2017-2019) on crop development and protein content in wheat and oat grains, and the herbage of Sudangrass have been established.The most favourable areas of cultivation of the varieties of agricultural crops are indicated.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,034
Tête enseignante GPT0,274
Écart entre enseignants0,240 · 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'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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetAgricultural Productivity and Crop ImprovementTravaux en français237 207