The Effect of Enriched Organic Fertilizer and Methanol Spray on the Greenhouse-Tomato Yield
Notice bibliographique
Résumé
An experiment was conducted in the form of split-plot and random complete blocks with 3 repetitions in a greenhouse in Jiroft city of Kerman province, southeastern Iran, during 2011-2012 crop year, with the main aim to study how enriched organic fertilizer (chicken manure) and spraying methanol affects the quantity and quality of the yielding in Falcato tomato. Methanol and the enriched chicken manure as the two main and subordinate factors were studied in 4 levels (0, 20, 30, and 40 percentage of the volume) and (0, 500, 1500, and 2500 kg/ha). The results showed that the interaction of the two factors on the number of fruits per plant, the mean weight of fruit (p ? 0.05), and the stem diameter (p ? 0.01) was significant. Methanol 30% caused a 28% increase in yield, compared to the control plant. Adding 2500 kg/ha chicken manure resulted in 31% increase in the yield in contrast to the control plant. Mean weight of a fruit in 40% methanol and 2500 kg/ha chicken manure treatment was 145 g. Finally, having evaluated all aspects and factors in this study, methanol 30% solution and 2500 kg/ha chicken manure were recommended for Falcato tomato in greenhouses of Jiroft city.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».