Notice bibliographique
Résumé
Tattaria kulutetaan maassamme vajaan 1000 hehtaarin viljelyalalta tuotettu määrä. Tattari on arka maan liialliselle kosteudelle ja erittäin arka hallalle. Taimettumisen aikana vuorokauden keskilämpötilan olisi oltava yli +10 ºC ja kylvön ja puinnin välisen ajan lämpösumman yli 900º hyvään satoon pääsemiseksi. Näiden vaatimusten vuoksi kasvi on epävarma viljeltävä. Satovaihtelut ovat hyvin suuria. Tattari viihtyy karkeilla kivennäismailla. Vähämultainen hiesu on sopimaton kasvualusta. Happamuudelle kasvi ei ole arka. Fosforia ja kalia se pystyy liuottamaan maan vaikealiukoisista ravinnevaroista. Suositeltavaa on antaa ravinteita kloorittomana lannoitteena: typpeä 0-40, fosforia 10-17, ja kalia 25-40 kg/ha. Fosforilannoitukseen soveltuu apatiitti. Lajikkeita on runsaasti ja niiden erot ovat huomattavat. Skorospelaja on aikainen, heikkovartinen, Mattia suositeltavampi. Hruszowska, Bohatyr ja Ilkka ovat sopivia Suomen olosuhteisiin. Darja, Petra ja Emka ovat arveluttavan myöhäisiä. Jarista ja Sakarista on vasta kahden vuoden kokemukset. Ne ovat olleet satoisia. Sakari on melko myöhäinen. Kylvötiheydeksi käy 160 kpl/m2 itäviä siemeniä. Vaikeissa taimettumisolosuhteissa on kylvömäärää lisättävä. Rivivälinä 12,5 cm on soveliain. Rikkakasvit on torjuttava edellisenä kesänä ja kevätkesannoinnilla. Kemiallisia rikkakasvintorjunta-aineita ei vielä ole hyväksytty käytettäväksi tattarikasvustossa. Hunajan saanti riippuu maan kosteusolosuhteista, lannoituksesta ja mehiläisten lentoilmoista. Joka vuosi ei hunajaa tattarista saada. Puintiin ryhdytään, kun vähintään 3/4 siemenistä on kypsiä tai pian hallan jälkeen. Sato on aina lajiteltava. Toimenpide on työläs. Viljan jyvät ja peltoretikan lidun pätkät voivat tuottaa ongelmia. Kuorinta onnistuu vain erikoislaitteilla, joita Suomessa on vain muutamia. Kuorintasaanto riippuu ratkaisevimmin laitteesta ja lajikkeesta. Se on yleensä pienempi kuin 65 %, vaihdellen runsaasti.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,322 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».