(220) Determination of Water and Nitrogen Requirements of Cabbage using Fertigation
Notice bibliographique
Résumé
Fertigation is a promising strategy to improve nitrogen use efficiency, yield, and quality of cabbage ( Brassica oleracea var. capitata ), but there is a lack of data relevant to growers in Ontario. Field trials were conducted in 2003 and 2004 to determine the optimum rate of water and nitrogen application in terms of yield and quality of `Huron' cabbage. Treatments consisted of combinations of target soil moisture levels (25% to 100% field capacity) and nitrogen fertilizer (0–400 kg·ha -1 N) as dictated by a central rotatable composite design. Nitrogen applications were split with 50% broadcast and incorporated before planting and the remaining split into weekly applications via a trickle irrigation system. Water was applied two to three times per week to bring soil moisture up to the target levels. Maximum marketable yield was reached at a combination of 400 kg·ha -1 N and a soil moisture target of 100% field capacity. Many heads were undersized or undeveloped at low rates of nitrogen. Applications of nitrogen required for high yield and quality can pose a risk of leaching; however, use of fertigation minimizes potential in-season leaching. Estimated total residual nitrogen at harvest ranged from 83–211 kg·ha -1 N, which could have a negative impact on the environment. Thus, there is a considerable challenge to reduce environmental impact without economic losses. Improved knowledge of in-season nitrogen requirements might further reduce the levels of nitrogen applied without reducing yield and quality.
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 ».