Effect of Drip Irrigation on Growth, Physiology, Yield and Water Use of Rice
Notice bibliographique
Résumé
<p>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 Y<sub>w</sub>, 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.</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 | 0,001 | 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 | 0,001 |
| 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 ».