ADUBAÇÃO NITROGENADA E POTÁSSICA EM GOIABEIRAS ‘PALUMA’: I. EFEITO NA PRODUTIVIDADE E NA QUALIDADE Dos FRUTOS PARA INDUSTRIALIZAÇÃO
Bibliographic record
Abstract
RESUMOA nutrição dos pomares é fator preponderante à produtividade, sendo necessário conhecer as doses adequadas de fertilizantes e sua influência nos atributos qualitativos dos frutos para industrialização. O trabalho objetivou avaliar os efeitos de diferentes doses de nitrogênio e potássio sobre a produtividade de goiabeiras e sobre os valores de pH, conteúdo de sólidos solúveis (SS) e de acidez titulável (AT ), além da relação polpa/miolo das goiabas. O experimento foi conduzido em Vista Alegre do Alto-SP, em pomar de goiabeiras ‘Paluma’, com sete anos deidade, irrigado, manejado com podas, durante três ciclos consecutivos de produção. O solo do pomar é o Argissolo Vermelho-Amarelo distrófico. O delineamento experimental foi em blocos ao acaso, em esquema fatorial, com quatro doses de nitrogênio (0; 0,5; 1 e 2 kg planta-1 de N) e quatro de potássio (0; 0,55; 1,1 e 2,2 kg planta-1 de K2O), com três repetições. A adubação nitrogenada aumentou a produtividade e o pH dos frutos, sendo explicados por modelos quadráticos de regressão polinomial; diminuiu linearmente a relação polpa/miolo e não influenciou os teores de SS e de AT. Por outro lado, a adubação potássica e a interação N x K não apresentaram efeitos significativos sobre a produtividade, bem como sobre as demais características avaliadas.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".