Soil Properties Affecting Rainfall Water Use Efficiency (RWUE) in Wheat Dry-Farming Lands, NW Iran
Notice bibliographique
Résumé
Effective use of rainfall water is a key issue in agricultural development in the arid and semi-arid regions since rainfall water is a precondition for crop production there. This study was conducted in a semi-arid agricultural region with 900 km2 in area in Hashtroud, northwest of Iran to determine the relationship between rainwater use efficiency (RWUE) and soil properties. Winter wheat yield and soil properties were determined at 108 plots (40.41 m2 in area) installed in thirty six dry-farming lands. RWUE of each plot obtained from the ratio of crop dry matter per unit of abstracted rainfall water volume (ARWV). ARWV was computed from deduction of the rainfall and runoff volume during a two-growth period. Runoff data for each land was obtained from field measurements at the plots under natural rainfalls. Analysis of rainfalls uniformity using four rain gauge stations data showed that spatial distributions of rainfalls were homogeneous in the area. The RWUE values in the lands were ranged from 0.35 kg m-3 to 1.49 kg m-3 with an average of 0.84 kg m-3. Soil properties which considerably affected either the infiltration capacity or the available water controlled the RWUE in the study area. Multi-regression analysis indicated that the RWUE significantly related to silt, organic matter and lime (R2=0.82, p < 0.001). Maintaining crop residues and incorporating with the soil can be proper techniques and sustainable strategies to improve the soil properties and enhance the RWUE in the dry-farming lands.
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 | 0,001 | 0,003 |
| Science ouverte | 0,001 | 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 ».