Precision nitrogen management using chlorophyll meter for Improving Growth, Productivity and N Use Efficiency of Rice in Subtropical Climate
Notice bibliographique
Résumé
N management must be based on crop demand and supply capacity of the soil. A field experiment was conducted to analyze the effect of chlorophyll meter (SPAD meter) based N management on growth, productivity and agronomic N use efficiency of rice (cv. IR 36) in lateritic soil of India during the wet season of 2010 and 2011. The Experiment contained twelve N management treatments such as farmers’ fertilizer practice, one fixed time N management (FTNM), nine treatments of real time N management (RTNM), and one control. The RTNM is the combination of three SPAD threshold (SPAD: 34, 36 and 38) and three N levels (15, 25 and 35 kg ha-1) for top dressing when the SPAD value of rice leaf falls below the threshold. The grain yield of RTNM was in the range 93 to 105% as that of FTNM, but with lower N application rate. Among RTNM treatments, SPAD 36 with 35 and 25 kg N ha-1 top-dressing could save N fertilizer by 20 to 35% compared to FTNM without reducing grain yield. Agronomic N use efficiency can be increased at high yield level using SPAD meter based N management.
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) | 0,000 | 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 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 ».