Effect of Water Table Management and Irrigation on Potato Yield
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 découle