Seed Quality of Chickpea and Common Bean as a Function of the Application of Ascophyllum Nodosum Doses Seaweed Extract
Notice bibliographique
Résumé
The application of A. nodosum based seaweed extract can enhance seed quality. However, the positive results regarding the use of this technology remain unclear. This study investigated the impact of different doses of organomineral seaweed-based fertilizer on the seed quality of chickpea and common bean. A completely randomized design was used with four replications, and the treatments consisted of seed treatments with five doses of A. nodosum seaweed extract for chickpea (0, 50, 100, 150, and 200 mL of extract per 100 kg of seeds) and of (0, 125, 250, 375 and 500 mL of extract per 100 kg of seeds) for common bean. After harvest, the seeds were analyzed using the following tests: germination, first count, seedling length, and seedling dry mass. It was concluded that the seed quality of chickpea and common bean was influenced by the addition of A. nodosum seaweed extract. Doses of seaweed extract higher than 100 and 250 mL per 100 kg of seeds negatively affected the physiology of chickpea and bean seeds, respectively. The doses of 100 and 250 mL per 100 kg of seeds resulted in higher-quality seed lots of chickpea and common bean, offering valuable insights for future agricultural practices and the advancement of sustainable, cost-effective production.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».