Barley Grain Yield and Protein Content Response to Deficit Irrigation and Sowing Dates in Semi-Arid Region
Notice bibliographique
Résumé
The present study was conducted to investigate the relational effects of various sowing dates and deficit irrigation on grain yield, protein and yield components of barley, in a semi-arid region (southern part of Iran) during growing seasons 2011-2012 and 2012-2013. A Split plot layout within a randomized complete block design with three replications was used. Main plots were selected as Irrigation treatments with varying water irrigation levels consisting of: (1) full irrigation, FI, (2) 0.75 FI, (3) 0.5 FI and (4) Dry land (rain-fed) during both growing seasons. Sub plots were the sowing dates consisted of: (1) 23th October (T1), (2) 6th and (3) 22th November (T2 and T3) and (4) 6th December (T4). The interaction of different irrigation levels and sowing dates had a significant impact (p<0.05) on grain yield, grain and straw protein, 1000-grain weight, plant height, biomass, water use efficiency (WUE), and crop evapotranspiration. Results revealed that the largest amount of protein was obtained in the latest sowing date (T4) at dry land treatment in two consecutive years. Full irrigation treatment showed the largestrate of dry matter accumulation (14.72 and 15.25 Mg.h-1 for the first and second years, respectively), while the smallest rate was seen in the rain fed treatment (4.22 and 7.43 Mg.h-1 for the first and second years, respectively). The largest yield was obtained with the 23th October (T1) sowing date in full irrigation treatments (FI). The largest water use efficiency was achieved with 0.5FI and the earliest sowing date (T1).
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 | 0,000 |
| 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 ».