Evaluating the Productivity Potential of Chickpea, Lentil and Faba Bean Under Saline Water Irrigation Systems
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
Abstract The information on salinity threshold levels for food legumes when irrigating with saline water is limited and old. In a multi‐year study at two sites in the Euphrates Basin, we aimed at (i) evaluating the potential of saline water irrigation for chickpea, faba bean and lentil production; and (ii) using the SALTMED model to determine threshold crop yields based on irrigation water salinity in equilibrium with ambient soil solution salinity. To evaluate 15 accessions each of lentil and chickpea, and 11 accessions of faba bean, three irrigation treatments were used with salinity levels of 0.87, 2.50 and 3.78 dS m ‐1 at Hassake and 0.70, 3.0 and 5.0 dS m ‐1 at Raqqa. Aggregated grain yields showed significant differences ( p < 0.05) among crop accessions. Calibration and validation of the SALTMED model revealed a close relationship between actual grain yields from the field sites and those predicted by the model. The 50% yield reduction (π 50 value) in chickpea, lentil, and faba bean occurred at salinity levels of 4.2, 4.4 and 5.2 dS m ‐1 , respectively. These results suggest that of the three food legume crops, faba bean can withstand relatively high levels of irrigation water salinity, followed by lentil and chickpea. Copyright © 2015 John Wiley & Sons, Ltd.
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