Nutritional Quality of Tomato (Lycopersicon esculentum Mill) as Influenced by Mulching, Nitrogen and Irrigation Interval
Notice bibliographique
Résumé
An experiment was conducted in 2006/07 dry season to evaluate the effect of mulching, nitrogen and irrigationinterval on the nutritional quality of Tomato (Lycopersicon esculentum Mill) at Shika, Nigeria. Treatmentsconsisted of three mulching (no mulch, rice-straw mulch and black polythene mulch) four nitrogen rates (0, 45,90 and 135kgN ha-1) and three irrigation intervals (5, 10 and 15 days). Mulching significantly increased the drymatter, protein and carbohydrate contents in fruits, but decreased the crude fiber content. In most cases rice-strawmulch appeared a better mulching material. N rate of 45kg ha-1 had more dry matter content over control, buthigher values for protein and carbohydrate contents were with 90kg ha-1. The 135kgN ha-1 rate depressedcarbohydrate content. Irrigation interval of 10 days recorded more dry matter and crude fiber while highest fruitcarbohydrate contents was attained at 15 day irrigation interval over the 5-day interval. Delaying irrigationsignificantly depressed fruit protein content. Rice-straw mulch + 90kgN ha-1 or polythene mulch in combinationwith 45kgN ha-1 had more carbohydrate in fruits.
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) | 0,000 | 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 | 0,000 |
| 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 ».