MétaCan
Menu
Retour à la cohorte
Enregistrement W2105227803 · doi:10.5539/jas.v5n8p1

Comparative Response of Cabbage to Irrigation in Southern Malawi

2013· article· en· W2105227803 sur OpenAlexvenueno aff
Davie M. Kadyampakeni

Notice bibliographique

RevueJournal of Agricultural Science · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIrrigationRandomized block designBrassicaWater-use efficiencyMathematicsYield (engineering)AgronomyAnimal scienceHorticultureBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

An experiment was conducted at Kasinthula and Masenjere in Chikwawa district in Malawi in the dry seasons (May through August) of 2006 and 2007 to evaluate yield response of cabbage (Brassica oleraceae) to irrigation frequency. The study was laid out in a randomized complete block design (RCBD) where three irrigation frequencies served as treatments: F1-Irrigated twice a week, F2-Irrigated once a week and F3-Irrigated once a fortnight. At Kasinthula, weight of marketable heads and water-use efficiency (WUE) were significantly different (P<0.05) across the irrigation frequencies. At Kasinthula and Masenjere, F1 resulted in highest yield of 32.9 and 23.0 t ha-1 in 2006 and 2007 seasons. There was a 50% and 25% reduction in yield in 2007 at Kasinthula and Masenjere Research sites. WUE peaked in F1 to 83.6 and 57.5 kg ha-1 mm-1 in 2006 and 2007 while lowest values were noted using F3 resulting in WUE of 57.9 and 39.4 kg ha-1 mm-1. Water productivity (WP) was significantly different across irrigation frequency (P<0.05). F3 resulted in the highest WP of 11.8 and 7.4 kg m-3 in 2006 and 2007, respectively. The lowest WP of 6.7 and 5.2 kg m-3 were observed in F1 in the two years. Comparing all the irrigation frequencies, F3 turns out to be the most effective water saving irrigation frequency suggesting that in the face of competing water needs and dwindling water resources, the longer duration F3 irrigation frequency is preferred to shorter duration ones. Where water is considered ample, F1 is recommended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,263
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetIrrigation Practices and Water ManagementTravaux en français237 207