An Evaluation of Banana Macropropagation Techniques for Producing Pig Fodder in Northern Thailand
Notice bibliographique
Résumé
Smallholder farmers raising pigs in northern Thailand rely heavily on banana stalks as a fermented feed source, but struggle to reproduce banana plants fast enough to keep up with consumption. This study evaluated a variety of techniques for rapidly multiplying banana plants, using techniques appropriate and affordable to smallholder farmers in order to help meet this demand. Propagation techniques of Musa (ABB) cv. ‘Kluai Nam Wa’ were conducted in greenhouse and field experiments in both lowland and upland areas of Chiang Mai Province, Thailand. In greenhouse experiments, six treatments were conducted during the dry and rainy seasons, while five different treatments were compared in the field. Treatments used various methods of mechanical injury or application of benzyl aminopurine (BA) to induce plantlet differentiation. Number of plantlets to emerge, days to emergence, and circumference of plantlets were observed over a 90-day period. Results indicate that time of year plays an important role in the macropropagation of bananas, as significantly higher numbers of plantlets emerged during the rainy season. Plantlets emerged in 65 days, on average, during the dry season, but took only 54 days during the rainy season. During the rainy season, the presence of BA produced more plantlets than the other treatments, but during the dry season, there were no differences among treatments. Overall, the number of plantlets produced in all treatments evaluated was very low; however we believe this research is an important contribution to the literature and acknowledge that there exists significant opportunity to capitalize on the low-cost appropriate technology benefits that macropropagation of bananas can deliver to smallholder farmers.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».