Improving Carrot Yield and Quality through the Use of Bio-slurry Manure
Notice bibliographique
Résumé
Continuous cultivation of farms has led to decline in soil fertility due to constant removal of nutrients leading to reduction of carrot (Daucus carota L.) yields. A field study was carried out at Egerton University, Horticulture Research and Teaching field in two seasons (October 2010 to January 2011 and February to May 2011) with the aim of investigating the effects of decomposed cattle bio-slurry manure on carrot growth and performance. The experimental design was a Randomized Complete Block Design (RCBD) with 3 replications. Treatments comprised four levels (0, 2.6, 5.2 and 7.8 t/ha) of decomposed bio-slurry manure. Growth, yield and quality parameters were recorded and used to discern the treatment effects. Application of bio-slurry manure generally improved growth, yield and quality of carrots. Application of 7.8 t/ha of bio-slurry increased yields by 8.8% in season 1 and 23.5% in season 2 compared to the control. Leaf numbers, plant height, dry weights of shoot and roots and root volume were also generally higher for the 7.8 t/ha treatment compared to other treatments. Total Soluble Solids of roots from plant treated with 7.8 t/ha were higher by 12.7% in season 1 and 13.2% in season 2 compared to the control. The study recommends 7.8 t/ha of bio-slurry manure for enhanced yield and quality of carrot.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».