MétaCan
Menu
Retour à la cohorte
Enregistrement W2028572347 · doi:10.13031/2013.42509

Effect of Water Table Management and Irrigation on Potato Yield

2012· article· en· W2028572347 sur OpenAlexaboutno aff
Sanjayan Satchithanantham, Ramanathan Sri Ranjan, B. Shewfelt

Notice bibliographique

RevueTransactions of the ASABE · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationLoamDrainageEnvironmental scienceAgronomyYield (engineering)Water tableGrowing seasonWater contentTile drainageSurface irrigationHydrology (agriculture)Soil waterGroundwaterEngineeringBiologySoil scienceEcology

Résumé

récupéré en direct d'OpenAlex

In Canada, the Province of Manitoba is the second largest potato producer after Prince Edward Island. Potato is a moisture-sensitive crop, and excess or inadequate soil water content can adversely affect the yield and quality. Potato in Manitoba experiences periods of excess as well as insufficient water content within the soil profile during the growing season. The objective of this study was to compare the effect of four different water management treatments on potato yield in a fine sandy loam soil in southern Manitoba: controlled drainage with subirrigation (CDSI), free drainage with overhead irrigation (FDIR), no drainage with overhead irrigation (NDIR), and no drainage with no irrigation (NDNI). In November 2009, tile drains were installed at a depth of 0.9 m. CDSI was done through drainage control structures with a target water table depth of 0.6 m. Overhead irrigation was done using a traveling gun. Groundwater level, drainage discharge, and potato yield data were collected during the 2010 and 2011 growing seasons. In 2010, potato yield was not found to be significantly different between the treatments due to the large variability between the replicates. However, in 2011, potato yield from the FDIR treatment was significantly higher compared to NDNI and CDSI (p <0.05). The NDNI treatment yield was significantly lower (p < 0.05) than the other three treatments. When compared with NDNI, the other treatments showed a yield increase of 15% to 32%. Maintaining adequate soil moisture by overhead irrigation was most effective for increasing potato yield when rainfall is inadequate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil0,463

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,215
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the ASABEMême sujetIrrigation Practices and Water ManagementTravaux en français237 207