MétaCan
Menu
Retour à la cohorte
Enregistrement W2736020490 · doi:10.5539/sar.v6n3p106

Growing Seed Yams in the Air: the Agronomic Performance of Two Aeroponics Systems Developed in Ghana

2017· article· en· W2736020490 sur OpenAlexvenueno aff
Patricia Oteng‐Darko, Nicholas Kyei‐Baffour, Emmanuel Otoo, Wilson Agyei Agyare

Notice bibliographique

RevueSustainable Agriculture Research · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePotato Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésVineCuttingEnvironmental scienceAgricultural engineeringMathematicsHorticultureAgronomyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Aeroponics has been perceived as a technology crammed innovation, far out of reach of the ordinary farmer. Apart from its continuous dependency on electrical power, the technology comes with very sophisticated inputs such as solenoid valves, timers, misters, CO2 tanks, and air and water pumps. The main objective of this study was to evaluate the option of using gravity-fed and pressurised aeroponics system for propagating seed yams from vine cuttings. The study was setup at the CSIR–Crops Research Institute in collaboration with the Agricultural Engineering Department of the Kwame Nkrumah University of Science and Technology. The basic advantage of the gravity-fed system is its non-dependency on electrical power, pumps or timers and its ability for continuous production. The two systems were set-up using conventional materials and equipment available on the local market. The treatments were arranged in a split-split-plot design with the two aeroponic units as the main plot, four nutrient concentration levels (C1 - , C2 - , C3 - and C4 -) as the sub plots and vine cuttings from three Dioscorea rotundata varieties (Dente, Pona and Mankrong Pona) as sub-sub plots respectively. Results showed there were significant differences (P<0.05) in minituber weight and days to emergence of planted miniubers. The agronomic response of the two systems in producing mini-tubers was suggestive of the fact that both systems could be used to effectively produce mini-tubers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
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 Opus0,049
Tête enseignante GPT0,318
Écart entre enseignants0,269 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetPotato Plant ResearchTravaux en français237 207