Možnosti intenzifikace v ekologické pěstitelské technologii ozimé řepky
Bibliographic record
Abstract
Odrůdy ozimé řepky reagují na podmínky lokality i úroveň intenzifikačních vstupů rozdílně. Zákonná omezení, která musí ekologických pěstitel respektovat, kladou vyšší nároky na volbu postupů i výběr odrůd, především z hlediska jejich schopnosti odolávat různým druhům stresu a schopnost poskytnout uspokojivý výnos i v extenzivních pěstitelských podmínkách. V technologické části pokusu byly zkoušeny přípravky ochrany rostlin povolené v ekologickém zemědělství u nás či v zahraničí, Polyversum s fungicidními účinky, Pyrethrum a další dva botanické insekticidy. S cílem zlepšit výživové poměry pěstovaných rostlin byly testovány Guáno, Biokal a Lignohumát. Pro technologickou část pokusu byla vybrána ozimá odrůda Oponent. V pokusech se osvědčily především látky zlepšující výživný stav rostlin. Použití dalších intenzifikačních opatření se v extenzivních podmínkách také projevilo zvýšením výnosu. V podmínkách ekologické pěstitelské technologie bylo testováno 10 liniových odrůd běžně pěstovaných na konvenčních plochách. Hodnocena byla odolnost vůči houbovým chorobám a výnos semen. Vyšší odolností k Fomové hnilobě se vyznačují odrůdy Caracas, Ontario, Liprima, Cando a Manitoba. Vůči Sklerotinii vykazují vyšší odolnost Ontario, Smart a Oponent. Nejvyšší průměrný výnos dosáhly v průměru dvou let odrůdy Caracas, Manitoba a Ontario.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".