Evaluating the Productivity Potential of Chickpea, Lentil and Faba Bean Under Saline Water Irrigation Systems
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 (π50 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.
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 | 0,001 | 0,001 |
| 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 ».