MétaCan
Menu
Retour à la cohorte
Enregistrement W4393243007 · doi:10.31186/naturalis.12.1.26715

Evaluasi Kesesuaian Lahan Sawah Berdasarkan Status Hara di Kecamatan Seluma Selatan Kabupaten Seluma

2023· article· en· W4393243007 sur OpenAlexaff
Hendrio Afrisa

Notice bibliographique

RevueNaturalis Jurnal Penelitian Pengelolaan Sumber Daya Alam dan Lingkungan · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Agroindustry Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésForestryGeography

Résumé

récupéré en direct d'OpenAlex

The low productivity of rice in Seluma Selatan District is caused by fertilization actions based on general recommendations and not based on site-specific recommendations. In fact, fertilization should be based on soil nutrient status, especially N, P and K. This study aims to determine the nutrient status and evaluate the suitability class of lowland rice in Seluma Selatan District, Seluma Regency. This study used survey methods, soil sampling, and laboratory analysis, then matched it with the soil fertility level classification system and land suitability classification. The results showed that the nutrient status of paddy fields in Seluma Selatan sub-district in low-medium rice fields was categorized. It is characterized by an acidic pH value and low P2O5 in providing nutrients for lowland rice plants. Evaluation of land suitability in Seluma Selatan sub-district shows that the land suitability classes are S2 and S3. The results of the evaluation of the most suitable land suitability for land unit 2 (Au.1.1.1) were quite suitable for S2n with available nutrient limiting factors at the P2O5 level and marginally suitable for S3n on land unit 4 (Hab.1.1.1) with available nutrient limiting factors at P2O5 and K2O levels. Efforts to improve the suitability class S2 (fairly suitable) can be increased to S1 class (very suitable) and the S3 land suitability class (marginally appropriate) can be increased to S2 (quite suitable) . Keywords: Land suitability, lowland rice, nutrient status

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 enseignants0,005
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,256
Écart entre enseignants0,227 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNaturalis Jurnal Penelitian Pengelolaan Sumber Daya Alam dan LingkunganMême sujetAgriculture and Agroindustry StudiesTravaux en français237 207