Soil Outperforms Rice Husk Ash as a Seedling Medium for LUSI Glutinous Rice in Suboptimal Swampy Lands of South Sulawesi, Indonesia
Notice bibliographique
Résumé
The utilization of vast suboptimal land in Indonesia is important to support food security.Good seedling management is a key strategy in the sustainable utilization of suboptimal land, using soil media (coastal swamps of Lake Tempe (TLS), coastal swamps of the Walanae River (WRS), Telotenreng pumped land (TPL)) and rice husk ash.The objectives of the experiment were to assess the time of shoot formation (days), leaf formation (days), 50% shoot formation (days), seedling height at 8, 15, and 22 days (cm), and the number of plants per tray (plants) in LUSI glutinous rice.The experimental method used RBD with three replications on five types of seedling media: soil media, husk ash media, soil + husk ash 1:1 media, soil + husk ash 2:1 media, and soil + husk ash 1:2 media.The experimental results showed that shoot formation (TLS fast 1.17 days, TLS slow 5.00 days), complete leaf formation (TLS fast 3.00 days, TLS slow 7.33 days), 50% shoots (TLS fast 2.17 days, TLS slow 6.00 days), plant height (WRS tall 33.36 cm, TPL short 8.50 cm), and number of plants per tray (TLS tall 1,385.36seedlings, WRS short 101.33 seedlings).The conclusion is that the soil medium is the best treatment for all parameters in the three soil medium locations.Therefore, for rice farmers in the suboptimal swampy areas of South Sulawesi, we recommend using local soil as an economically effective seedling medium for LUSI glutinous rice.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».