Economic Evaluation of Weed Control and Herbicide Residues on Cassava (Manihot esculenta Crantz) in Ghana
Notice bibliographique
Résumé
<p>A study on economic evaluation of some weed management strategies and herbicide residues analysis on roots of cassava (<em>Manihot esculenta</em> Crantz) was conducted during 2014 and 2015 cropping season in Kumasi, Ghana. Cost and benefits were computed from the use of two manual weedings (hoeing and cutlassing), two pre-emergence herbicides (Butachlor 60% EC and Terbulor 500 EC) with two-supplemenatary hoe weeding, weed-free and weedy check. These were evaluated using two varieties of cassava, Ampong (Early branching) and Dokuduade (Late branching). The treatment was a factorial laid out in a randomized complete block design (RCBD) with four replicates. Partial farm budgeting were used for economic analysis of data and herbicide residues analysis in roots of cassava were determined using Gas Chromatography-Electron Capture Detector (GC-ECD). Results showed that Terbulor 500 EC with two supplementary hoe weeding was more economical, profitable and beneficial than those other treatments applied in the production of cassava. In addition, the average concentration of Terbulor 500 EC (0.003 mg/kg) and Butachlor 60% EC (0.001 mg/kg) residues in roots of cassava varieties were below the maximum residue limit (MRL) of 0.01 mg/kg set by Ghana Standards Authority for cassava. In conclusion, Terbulor 500 EC with two supplementary hoe weeding was more effective and financially rewarding and both herbicides had lower residual effects on cassava.</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 | 0,003 | 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 ».