MétaCan
Menu
Retour à la cohorte
Enregistrement W4412674776 · doi:10.59465/jpht.v15i2.835

Fenologi Pembungaan Rhizophora mucronata Lamk. di Hutan Mangrove Pasuruan, Jawa Timur

2018· article· id· W4412674776 sur OpenAlexaff
Liliana Baskorowati, Subagya Subagya, Mohammad Sultan Mahmud, Mudji Susanto

Notice bibliographique

RevueJurnal Penelitian Hutan Tanaman · 2018
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésRhizophora mucronataMangroveRhizophoraForestryRhizophoraceaeBiologyGeographyBotanyEcology

Résumé

récupéré en direct d'OpenAlex

Rhizophora mucronata Lamk. merupakan jenis tanaman mangrove yang dikembangkan untuk program rehabilitasi areal pantai utara Pulau Jawa. Informasi mengenai produksi propagula R. mucronata menjadi penting agar kebutuhan buah tercukupi. Penelitian ini ditujukan untuk mengetahui fenologi pembungaan dan pembuahan R. mucronata di areal sumber benih teridentifikasi Dusun Pesisir, Pasuruan, Jawa Timur. Fenologi pembungaan, pembuahan, dan produksi propagula diamati pada tiga sampel pohon per petak ukur. Produksi propagula diamati dengan membuat petak ukur 5 x 5 m, dengan jarak antar petak ukur 100 m; yang dibedakan antara petak ukur di tepi pantai dan di tepi daratan. Total petak ukur yang diamati ada sebanyak sepuluh petak ukur. Pengambilan data diameter, tinggi total dan produksi propagula dilakukan untuk semua pohon dalam petak ukur. Hasil penelitian menunjukkan bahwa R. mucronata berbunga selama pengamatan (Januari-April), dengan pembungaan yang tidak serempak dalam satu pohon. Siklus reproduksi memerlukan waktu 15-16 bulan mulai dari terbentuknya tunas sampai masaknya propagula; dengan puncak pembungaan terjadi pada bulan Maret-April dan musim berbuah pada bulan Agustus. Propagula mencapai tingkat masak siap dipanen pada bulan Desember-Januari.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,019

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 Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,218 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Penelitian Hutan TanamanMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207