Row and Plant Spacing Effects on Yield and Yield Components of Soya Bean Varieties Under Hot Humid Tropical Environment of Ethiopia
Notice bibliographique
Résumé
Appropriate plant density is a key for gainful production of soya bean in various environments including the hot-humid tropical environments (HHTE) of Ethiopia. A split-plot factorial experiment was conducted under HHTE in south-west Ethiopia to determine the effect of Variety (Clark, CSC-1), Row spacing (50, 55, 60, 65, 70 cm) and Plant spacing (2.5, 5, 10 cm) on yield and yield components, and weed infestation of soya bean. The effect of Plant spacing was more Variety-specific than that of Row spacing. Yield and yield components per m2 were significantly affected by both Row spacing and Plant spacing. However, per plant and per pod responses and weed infestation were affected mainly by Plant spacing, and not that much by Row spacing. Seed yield and yield components per m2 were the highest for the highest plant density (50 cm Row spacing, 2.5 cm Plant spacing), but individual plant and pod responses, and weed infestation were the highest for wider Plant spacing (10 cm). Regression analysis of various responses on planting density showed negative, cubic relationship albeit with different strength. This study demonstrated that these factors significantly modify soya bean yield and yield components as well as weed infestation, suggesting that they could be used as management tools for increased yield in HHTE.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».