Suitability of Mulch and Ridge-furrow Techniques for Maize across the Precipitation Gradient on the Chinese Loess Plateau
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
Mulch and ridge-furrow are effective techniques to improve water harvest, reduce evaporation and increase crop productivity in dry rainfed areas. We collected grain yield data of maize (Zea mays L.) across the precipitation gradient on the Loess Plateau under three treatments: (1) CK, flat plot without mulch; (2) HM, half-mulch flat plot, i.e. alternating mulched row and bare row without ridge-furrow; and (3) DRM, double ridges and the furrow fully mulched with plastic film. Maize grain yields were highest in the DRM treatment and lowest in the CK treatment. Mulch or ridge-furrow with mulch have increased maize grain yield significantly. The highest increase was found in low growing season precipitation regimes. Grain yields of the three treatments trended to converge in high growing season precipitation regimes. Regressions between grain yields and growing season precipitation for the three treatments showed that maize yields increased linearly with precipitation for CK; statistically significant quadratic models were found for HM and DRM treatments. The economic net incomes were calculated based on yields and inputs of capital and labor for the three treatments. Considering both water resource and economic outcome, we recommend that a precipitation range of 196-532 mm is most suitable for mulch and ridge-furrow techniques for maize on the Loess Plateau. Spatially, CK and HM treatment were most suitable for small parts of the southeast part of the plateau and DRM was suitable for most of (87%) the plateau.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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