MétaCan
Menu
Retour à la cohorte
Enregistrement W4406253583 · doi:10.5376/msb.2024.15.0025

Discussion on high-efficiency cultivation technology of legume crops under different soil types

2025· article· en· W4406253583 sur OpenAlexvenueno aff

Notice bibliographique

RevueMolecular Soil Biology · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRice Cultivation and Yield Improvement
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRhizosphereMicrobial population biologyGrowing seasonCommunity structureAgronomyBiologyEnvironmental scienceEcologyBacteria

Résumé

récupéré en direct d'OpenAlex

Soil type is one of the key factors affecting the growth and yield of legume crops. This study reviews the physical and chemical properties of major soil types such as clay, loam and sandy soil, as well as the limiting effects of soil pH, permeability and nutrient status on nitrogen fixation and growth of legume nodules. In response to the problems existing in different soils, the study discusses the farming measures of improving soil structure, increasing organic matter, and adjusting pH, as well as the strategies of optimizing fertilization formula and inoculating microbial agents such as rhizobia according to soil type. At the same time, the study summarizes the practical cases of improving the yield and quality of legume crops in typical ecological regions (black soil area in Northeast China, alkaline soil area in Huanghuai, and red soil area in Southwest China), including the integrated application of technologies such as straw return to the field, application of soil conditioners, water-fertilizer integration, and mulching. The study shows that there are significant differences in high-yield cultivation of legumes under different soil conditions, and corresponding soil management and cultivation regulation technologies need to be adopted according to local conditions. This study proposes a prospect for the integrated innovation and regional promotion of legume crop cultivation technology in the future, in order to provide a scientific basis for achieving high yield and high efficiency of legume crops.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,232
Écart entre enseignants0,225 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Soil BiologyMême sujetRice Cultivation and Yield ImprovementTravaux en français237 207