Comparison of Response to Nitrogen between Upland NERICAs and ITA (Oryza sativa) Rice Varieties
Notice bibliographique
Résumé
Average yields of upland rice are the lowest in Uganda, and most of the productivity gains attributed to improved varieties are related to increased area of production from clearing virgin lands for rice production. In a bid to optimize productivity, we compared the effect of four nitrogen fertilizer treatments: 0, 40, 80 and 120 kgN/ha and two variety types (ITAs (Oryza sativa) and NERICAs (New rice for Africa)) on grain yield and yield parameters in four locations. Combined analysis of variance revealed that nitrogen fertilizer increased mean grain yields from 2116-5200 kg/ha in the NERICAs and 2331-5100 kg/ha in the ITAs. In all the study areas, NERICA 4 and NARIC 2 outperformed NARIC 1 and NERICA 1, and yield trends were consistent over the years suggesting that the two varieties respond better to N fertilizer application. However, the productivity gains are probably related to genetic potential of the varieties rather than the N fertilizer effect, as reflected by the consistent relative performance between 0 N and other N rates. The heavier grains of NARIC 2 and NERICA 4 suggest greater dry matter accumulation before heading, as these varieties have a longer period of vegetative growth. The significant interaction of location x fertilizer and location x variety reveals the need for evaluating the nitrogen-supplying power of soils in the various cropping systems in the country.
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 | 0,001 |
| 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 ».