An Assessement of Paddy Production System in Central Kenya with Special Reference to Micronutrients
Notice bibliographique
Résumé
Soil degradation reduces agricultural productivity and poses a great threat on food security status of households. In Kenya, farmers have for a long time been using only nitrogen and phosphorous based fertilizers oblivious of the soil fertility status. In most cases, there has been lack of plant response to these fertilizers, which could be due to a limitation of nutrients other than nitrogen and phosphorous. Soils are considered as variable natural bodies because of combined intrinsic and extrinsic factors of different intensities at a field or a larger region scale therefore an understanding of such variability is imperative to provide insights needed in their management. This study was thus initiated to assess the availability of soil micronutrients from rice growing Vertisols in the Mwea irrigation scheme. Top (0-15 cm) soil samples were collected across paddy fields in the irrigation scheme and analyzed for iron (Fe), zinc (Zn), copper (Cu) and manganese (Mn) by the 0.1 N HCl extraction method. Soil pH (water and 1 M KCl) was also measured using the glass electrode pH meter. Soil solution pH ranged from 4.56 to 8.05 and 3.33 to 6.63 for water and 1 M KCl respectively. Soil Fe, Zn, Cu and Mn concentration varied greatly and ranged from undetected to 1360.6, 0.12 to 8.00, undetected to 9.29 and 1.50 to 849.2 mg/kg respectively. Coefficient of variations (CVs) for soil micronutrients ranged from 64% to 154% indicating very high variability. Soil pH was least variable with CVs 12% and 15% for water and KCl respectively. These results imply that the paddy soils in Mwea region are highly heterogeneous and soil micronutrients are enriched in some areas and depleted in others due to farm management practices and soil properties. Averagely, soil available Zn was deficient across the scheme and as such Zn fertilization can be effective in increasing soil Zn concentration and availability in the soil-root interface further enhancing soil productivity and yield quality. Attention should also be paid to appropriate farm management practices to avoid accumulation or depletion of nutrients.
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 | 0,002 |
| 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 ».