Effects of Number and Rate of Goat Manure Application on Soil Properties, Growth and Yield of Sweet Maize (Zea mays L. saccharata Strut)
Notice bibliographique
Résumé
Alternative sources of plant nutrients have now become highly imperative especially for vegetable crop production in Nigeria. Due to the escalating costs, environmental and health problems associated with excessive use of inorganic fertilizers on continuously cropped fields, there is a need for more research on the use of organic manures and residues. A field experiment was conducted in the late growing season from September to December, 2012 in Calabar, a humid forest agroecology in south eastern Nigeria to evaluate the effects of two types of goat manure (GM) application (single and double split doses), five rates of GM (0, 5, 10, 15 and 20 t ha-1) and 400kg ha-1 NPK fertilizer (120:60:60 kg ha-1) rate on soil chemical properties and agronomic performance of sweet maize (Zea mays L. saccharata Strut). Factorial combinations of the treatments were fitted into a randomized complete block design with three replications. The application of GM significantly (P ? 0.05) increased soil pH, organic matter (OM) content, total N, available P, exchangeable K, Ca, Mg and the cation exchange capacity (CEC) status of the soil. Soil exchangeable acidity (EA) was reduced from 1.76 to 0.64 cmol kg-1 at 20 t ha-1 GM rate. The 20 t ha-1 also recorded the highest values for soil pH, OM, P, Ca, Mg and CEC, while the values for residual N and K peaked at the NPK fertilizer treatment. The double split application of GM recorded higher values for growth and yield attributes, and increased soil properties than the single application. Growth and yield parameters such as plant height, number of leaves, leaf area index (LAI), total dry matter (TDM), number and weight of grains/ear and total grain yield were significantly (P < 0.05) increased by GM and NPK fertilizer treatments. The values obtained for all growth and yield parameters except LAI at the 20 t ha-1 GM rate were not significantly different from those at the NPK fertilizer treatments. The application of 5, 10, 15 and 20 t ha-1 GM, and NPK fertilizer significantly increased TDM by 11.9, 74.3, 91.9, 106.2 and 104.6%; weight of grains/ear by 16.5, 54.6, 61.4, 100.6 and 94.4% and total grain yield by 46.9, 111.7, 121.0, 127.2 and 140.1% respectively, compared with the control treatment. The interactions between number of applications and rates showed that split applying GM at 20 t ha-1 maximized TDM, weights of whole and dehusked green ears and total grain yield compared to other GM rates, hence it 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 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 | 0,001 |
| 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 | 0,001 |
| 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 ».