Forage Yield and Quality of Sweet Sorghum as Influenced by Sowing Methods and Harvesting Times
Notice bibliographique
Résumé
Sowing methods and harvesting times are the important management considerations for getting the optimum yield and quality of fodder crops. This study, investigated the influence of sowing methods and harvesting times on the growth, yield and quality of sweet sorghum. Chinese sweet sorghum was grown by broadcast method, 30 cm apart lines and 45 cm apart lines and harvested after 60, 75 and 90 days after sowing, respectively. All the tested sowing patterns and harvesting times considerably affected the growth, yield and quality of sweet sorghum. However, sowing in 30 cm apart rows produced maximum leaves per plant (13.09), fresh forage yield (38.1 t ha-1), dry matter yield (4.85 t ha-1), crude proteins (8.9%), ash contents (11%) and sugar contents (12.8%), respectively. Similarly, harvesting after 90 days of sowing gave highest leaves per plant (14.72), fresh forage yield (45.1 t ha-1), dry matter yield (5.60 t ha-1), ash contents (12.2%) and sugar contents (14.1%), respectively. These results suggested that sowing in 30 cm apart lines and harvesting after 90 days of sowing improved the growth, yield and quality of sweet sorghum under the semiarid region of Faisalabad.
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) | 0,000 | 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 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 ».