MétaCan
Menu
Retour à la cohorte
Enregistrement W2610885440 · doi:10.6000/1927-5129.2017.13.24

Evaluation of Raised-Bed and Conventional Irrigation Systems for Yield and Water Productivity of Wheat Crop

2017· article· en· W2610885440 sur OpenAlexvenueno aff
Ashifa Soomro, Muhammad Nauman, Shakeel Ahmed Soomro, A. A. Tagar, Shoukat Ali Soomro, Mahmooda Buriro, Allah Wadhayo Gandahi, Aneela Hameem Memon

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLoamIrrigationEnvironmental scienceAgronomyYield (engineering)Deficit irrigationRandomized block designProductivityCropCrop yieldDrainageSurface irrigationSoil waterIrrigation managementSoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

A study was conducted at Drainage and Reclamation Institute of Pakistan (DRIP), Tandojam in a clay loam soil. The treatments include raised-bed irrigation system (T1) and conventional irrigation system (T2). The experiment was laid down using randomized complete block design (RCBD) with three replications. The total area under experiment for each treatment and replication was 1004.65 m2 and 334.88 m2 respectively. Groundwater quality of experimental sight was slightly saline. Results of the experiment showed that there was highly significant difference in volume of water applied, yield and water productivity of wheat crop under the raised-bed and conventional irrigation systems. Both water saving (50.73%) and water productivity (54.37%) of wheat crop was higher under raised-bed irrigation system. The raised-bed irrigation system obtained 24.65% higher yield compared to conventional irrigation system. All other parameters were also higher under the raised-bed irrigation system. Thus raised-bed irrigation system is recommended to achieve higher yield and water productivity of wheat crop and to save water particularly in a clay loam soil.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,088
Tête enseignante GPT0,296
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetIrrigation Practices and Water ManagementTravaux en français237 207