Yield advantage and water productivity of maize-mungbean inter-cropping systems in the Dry Zone of Sri Lanka; a modelling approach
Notice bibliographique
Résumé
Water is not efficiently used in most of the cropping systems in South Asia. Therefore, water-efficient agriculturalpractices are of immense importance when increasing the area to be cultivated, and/or conserving rain water tobe used in drier regions through irrigation. Inter-cropping of maize (<i>Zea maize</i> L.) with mungbean (<i>Vigna radiate</i>L.) R. Wilczek may offer benefits in utilising water efficiently and maintaining or improving land productivity.Simulation models are useful tools to assess the performance of agricultural systems. The present study wasconducted to evaluate the irrigation water requirement and yield of the maize-mungbean inter-cropping system incomparison with mono-cropping, using APSIM. Simulation results revealed that the maize-mungbean intercroprequired only 4 % more water than the maize mono-crop (P>0.05). Moreover, intercrop maize yield was only3 % less than that of the maize mono-crop (P>0.05) However, yield of mungbean was 21 % less in the intercroppingsystem than the mono-crop system (P<0.05). The land-equivalent ratio of the maize-mungbean intercroppingsystem was 1.8. Efficient use of water under the inter-cropping system, with a similar yield of maize tothat obtained under mono-crop of maize, combined with an additional mungbean harvest highlights the greaterefficiency of the maize-mungbean inter-cropping system in the Dry Zone of Sri Lanka.
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 | 0,000 | 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 | 0,001 |
| 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 ».