MétaCan
Menu
Retour à la cohorte
Enregistrement W2153552662 · doi:10.5539/jas.v6n4p125

Enhancing Soil Water Content for Increased Food Production in Semi-Arid Areas of Kenya Results From an On-Farm Trial in Mwala District, Kenya

2014· article· en· W2153552662 sur OpenAlexfundvenueno aff
Anne N. Karuma, Peter Mtakwa, Nyambilila Amuri, Charles K. K. Gachene, Patrick Gicheru

Notice bibliographique

RevueJournal of Agricultural Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésPloughTillageWater contentEnvironmental scienceAgronomySoil conservationAgricultureSowingConventional tillageAgroforestryMinimum tillageCropAridMulch-tillNo-till farmingSoil waterGeographySoil fertilitySoil scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Soil water conservation through tillage is one of the appropriate ways of addressing soil moisture deficit in rainfed agriculture. This study evaluated the effects of tillage practices on soil moisture conservation and crop yields in Mwala District, Eastern Kenya during the long rains (LR) and short rains (SR) of 2012/13. Six tillage systems: Disc plough (MB), Disc plough and harrowing (MBH), Ox-ploughing (OX), Subsoiling – ripping (SR), Hand hoe and Tied Ridges (HTR) and Hand hoe only (H) and, three cropping systems namely, sole maize, sole bean and maize - bean intercrop, were investigated in a split-plot design with four replicates. Data on soil water content was monitored at different weeks after planting and the crop yields at end of each growing season. A three-season average shows that soil water content and crop yields were higher in conventional tillage methods compared to the conservation tillage methods. Long term tillage experiments are thus required at different locations, under various environmental and soil conditions to validate the study findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,446

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,242
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207