Effect of Drip Irrigation on Growth, Physiology, Yield and Water Use of Rice
Notice bibliographique
Résumé
The field experiment was conducted to investigate the effect of drip irrigation treatments such as three lateral distances (0.6 m, 0.8 m or 1.0 m lateral distance) on growth parameters physiological characters, yield and water use of rice under two discharge rates drippers (0.6 or 1.0 litre per hour emitters). Among the lateral distances, 0.8 m lateral distance adjudged as optimum spacing for its better performance in growth, physiological and yield attributes than rest of the lateral distances. Between two-discharge rates, 1.0 lph drippers out performed 0.6 lph drippers in grain yield. Interactively, laterals spaced at 0.8 m with 1.0 lph drippers exhibited better performance by way of growth parameters (such as plant height, tiller density, root biomass, total dry matter accumulation), physiological attributes (such as Yw, Chlorophyll content, Catalase activity and Malondialdehyde content), yield and its components (such as productive tillers, spikelet numbers, filled grain percentage, Harvest Index) along with water productivity. Drip irrigation confirms to increase in water productivity in the present study with water saving of 27.4% over the conventional aerobic rice cultivation. Enhanced physiological activities showed increased growth and yield in rice under 0.8 m lateral distance drip irrigation which is a viable tool for balanced source sink relation. Our results indicated that the lateral spacing of 0.8 m with 1.0 lph drippers is best for rice cultivation in enhancing the growth, physiology, grain yield and water productivity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».