Legume Production and Irrigation Strategies in the <scp>A</scp>ral Sea Basin: Yield, Yield Components, Water Relations and Crop Development of Common Bean (<i><scp>P</scp>haseolus vulgaris </i><scp>L</scp>.) and Mungbean (<i><scp>V</scp>igna radiata</i> (<scp>L</scp>.) <scp>W</scp>ilczek)
Notice bibliographique
Résumé
Abstract With world population expected to reach 9.2 billion people by 2050, improved irrigation methods will be needed to increase the productivity of agricultural land and improve food supply worldwide. The objective of this work was to examine the effect of regulated deficit irrigation (RDI) and alternate furrow irrigation (AFI) on the yield and yield components of two legume species (common bean and mungbean) produced as a second crop following winter wheat in Uzbekistan, Central Asia. Water relations and crop development were also examined. The research was conducted during two successive growing seasons in the Fergana valley. Production of mungbean using the severe stress RDI treatment in combination with AFI resulted in the highest yields with the lowest quantity of applied water in 2004. In addition, yields of common bean in the moderate stress treatment were not different from the recommended schedule, although irrigation events were decreased from 4 to 2. AFI did not reduce yields, and it did not interact with RDI to reduce yields further. In general, mungbean yields were higher than those of common bean. The combination of AFI and RDI can allow legume production with reduced water inputs.
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 | 0,000 | 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 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 ».