Field Performance of Quatity Protein Maize With Zinc and Magnesium Fertilizers in the Sub-Humid Savanna of Nigeria
Notice bibliographique
Résumé
Field experiments were conducted for three years (2006 – 2008) in Samaru (11o11’N, 7o38’E) 686m above sea level in Nigeria. The objective was to test the response of two Quality Protein Maize (QPM) varieties (SAMMAZ-14 and SAMMAZ-11) to four levels each of Zinc and Magnesium (0, 1.25, 2.5 and 5.0 kg) using their carbonates. The experiments were arranged in all possible factorial combinations and laid out as randomised complete block design (RCBD) and replicated three times. The two varieties tested did not differ significantly in all the parameters evaluated except for the number of days to 50% tasselling. Grain yield ranged between 1.9 – 2.0 t/ha when averaged over both years which was quite below the 5.0 t/ha potential. Zinc application had no significant influence on most characters evaluated except total dry matter per hectare in 2006 when the application of 1.25 kg 2n/ha produced the highest TDM. Grain yield per hectare remained unchanged with changes in Zinc rate. Magnesium application influenced grain yield on 2008 only when 1.25 kg Mg/ha increased yield compared with plots with 5.0kg mg/ha. When averaged over the three years, Mg application did not significantly influence grain yield, but increased protein yield. Grain yield correlated positively and significantly with leaf area index (r = 0.13**), plant height (r = 0.26*), TDM (r = 0.21**) and protein yield (r = 0.97**). Protein content of grain remained unchanged with changes in Zinc and Magnesium rates at 8%
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».