MétaCan
Menu
Retour à la cohorte
Enregistrement W2504273407 · doi:10.5539/jsd.v9n4p61

Direct and Residual Effects of Different Poultry Compost and NPK Fertilizer Applications on Drought-Tolerant Maize Production

2016· article· en· W2504273407 sur OpenAlexvenueno aff
O. Otitoju, M. B. Adewole, A. A. Olowoake, Adetokunbo Oluwole Ilesanmi

Notice bibliographique

RevueJournal of Sustainable Development · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBroilerRandomized block designCompostFertilizerManureSowingAnimal scienceAgronomyGrain yieldZea maysMathematicsChemistryBiology

Résumé

récupéré en direct d'OpenAlex

<p>This study investigated the direct and residual effects of different poultry compost and NPK fertilizer applications on the growth components of drought-tolerant maize (<em>Zea mays</em> L.) in a derived savanna agroecology of southwestern Nigeria. The experiment was laid out in a Randomized Complete Block Design (RCBD) with six treatments, each replicated thrice. The treatments which were applied at planting, consisted of 100% cockerel manure (CM), 100% broiler manure (BM), 100% layers manure (LM), 33.3% cockerel manure + 33.3% Broiler manure + 33.3% Layers manure (CBLM) at 4.50 kg plot<sup>-1</sup><sub>,</sub>inorganic NPK 20-20-10 fertilizer at 0.30 kg plot<sup>-1</sup> and zero manure application as control (CT). The apparent efficiency of N recovery (AENR), N and P ear-leaf (NPEL) contents of maize with poultry manures were higher when compared to inorganic NPK fertilizer applications. The highest mean grain yield 1.30 t ha<sup>-1</sup> of maize was obtained with BM treatment that had the highest AENR and NPEL values. This however, was not significantly (p > 0.05) different from the mean grain yield obtained with other treatments during the dry season. Comparable but higher mean grain yield, but also not significantly (p > 0.05) different were obtained during the wet season in all the treatments.</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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil0,137

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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'étudeObservationnel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetCrop Yield and Soil FertilityTravaux en français237 207