Interrelationships among yield components of chickpea in semiarid environments
Notice bibliographique
Résumé
Chickpea (Cicer arietinum L.) seed yield can be increased by identifying and managing the key yield components. A field study was conducted in southwestern Saskatchewan in 1999 and 2000 to determine the direct and indirect effects of various yield components on chickpea seed yield . Both desi- and kabuli-chickpea were planted at the target plant populations of 20, 30, 40, and 50 plants m -2 on conventional summerfallow (CS) and no-till wheat stubble (NT). Path coefficient analyses revealed that seed yield for both chickpea classes largely depended upon pods m -2 and seed weight, with the kabuli crop having higher coefficient values than the desi. These relationships were stronger when the pulses were grown on CS than on NT. Seeds pod -1 had a negative effect on seed yield for the kabuli crop, but this negative effect was counterbalanced by a strong, positive effect of seed weight on seed yield. The total pod production of the desi crop depended on plants m -2 more than on pods plant -1 , whereas the pod production of the kabuli crop relied equally on plants m -2 and pods plant -1 . For both chickpea classes, mean seed weight decreased with prolonged vegetative growth period regardless of tillage environment. Seed weight was positively related to the length of reproductive growth and seeds pod -1 only when the pulses were grown on CS. Seed yield potential of desi chickpea would be increased by increasing plant population to produce more pods per unit area, whereas the seed yield potential of kabuli chickpea would be increased by shortening the period of vegetative growth, promoting the number of pods per plant, and increasing mean seed weight. Key words: Cicer arietinum, yield components, plant density, seed weight, canopy, path analysis
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 ».