MétaCan
Menu
Retour à la cohorte
Enregistrement W7153873538 · doi:10.5376/msb.2025.16.0030

Impact of Irrigation and Fertilization Regimes on Rapeseed Yield

2025· article· W7153873538 sur OpenAlexvenueno aff
Kaiwen Liang

Notice bibliographique

RevueMolecular Soil Biology · 2025
Typearticle
Langue
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNitrogen and Sulfur Effects on Brassica
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationHuman fertilizationYield (engineering)RapeseedCrop yield

Résumé

récupéré en direct d'OpenAlex

Rapeseed ( Brassica napus  L.) shows a relatively obvious response to changes in water and nutrients. If the water is not applied appropriately or the fertilization is not reasonable, it can easily affect the yield. This study mainly collated and analyzed the performance of rapeseed in terms of yield formation, water use efficiency, and yield stability under different irrigation amounts, limited irrigation methods, and rainwater harvesting cultivation conditions. At the same time, the combined application effects of nitrogen, phosphorus, potassium fertilizers, and organic fertilizers under different water supply conditions were summarized, and the impacts on the growth of rapeseed, yield composition, nutrient absorption, and nitrogen utilization efficiency were analyzed in detail. Under moderate water shortage conditions, the use of multiple fertilizers in combination is more conducive to increasing yield and maintaining yield stability. From the perspective of coordinated regulation of water and nutrients, this research provides a reference basis for rapeseed to achieve high yield, high efficiency, and green 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,281
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Soil BiologyMême sujetNitrogen and Sulfur Effects on BrassicaTravaux en français237 207