Effect of Square Planting and Nitrogen Scheduling on Yield and Micrometeorological Parameters in Maize
Notice bibliographique
Résumé
<p class="1">Altering plant spatial distribution induces changes in micro-meteorology of crop canopy and have cumulative effect on yield. Creation of suitable plant spatial distribution is indispensable to explore the beneficial effects of spatial pattern and it could be possible only through altering rectangular spatial distribution, which is commonly practiced in maize. Most of the nitrogen (N) scheduling approaches are growth stages based without considering crop demand and soil fertility status which may not yield better, warrants need based N management for better production in maize. The present study has investigated effects of spatial pattern and nitrogen scheduling on intercepted photosynthetically active radiation (IPAR), light extinction co-efficient (‘k’), leaf temperature (LT) and productivity of maize. The experiments were conducted during 2011 and 2012 at Tamil Nadu Agricultural University, Coimbatore. Treatments were laid out in split-plot design and replicated thrice. Treatments were: six levels of spatial pattern (60 × 25, 30 × 30, 35 × 35, 40 × 40, 45 × 45 and 50 × 50 cm). Growth stage based and need based approach of leaf color chart based (LCC) nitrogen scheduling were imposed. Field experimental results indicated that maize canopy under 30 × 30 and 35 × 35 cm spatial pattern intercepted 10 to 15% more light compared to rectangular pattern (60 × 25 cm). The ‘k’ value and leaf temperature were reduced under this pattern. Higher maize grain yield (GY) was recorded at 35 × 35 cm spatial distribution. The LCC based N scheduling recorded higher values of IPAR, LT and lower ‘k’ values. Square planting favored canopy micro-meterological parameters and which in turn enhanced grain yield of maize.</p>
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 | 0,001 |
| 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 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 ».