Impact of Different Water Management Scenarios on Corn Water Use Efficiency
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<abstract><title><italic>Abstract.</italic></title> <bold> </bold>This study investigated the water balance, crop yield, and water use efficiency (WUE) of a water table management system compared to a conventional drainage system at three nitrogen levels. A two-year field study was conducted using three blocks; each block was composed of two water management treatments: controlled drainage with subirrigation (CD-SI) and conventional or free drainage (FD). The water table depth was maintained at 60 cm below the soil surface in the CD-SI plots. Three nitrogen treatments (low, medium, and high) were applied in strips across all blocks. The seasonal water balance indicated surplus water conditions in the CD-SI plots, while the FD plots had deficit conditions. In 2008 and 2009, the corn grain WUE for the FD plots was 2.49 and 2.46 kg m<sup>-3</sup> respectively. The corn grain WUE for the CD-SI plots was 2.43 and 2.26 kg m<sup>-3</sup> in 2008 and 2009, respectively. The WUE of corn grain responded to the water treatments (p < 0.05) in 2009 but not in 2008. In 2009, at low and high nitrogen levels, the water management treatments demonstrated significant differences (p < 0.05) in grain yields. However, water management demonstrated no significant effect (p > 0.05) on grain yields at the normal nitrogen level. Furthermore, the two water treatments had no effect on the aboveground dry biomass yields in both years.
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.
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 | 0,000 | 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) | 0,001 | 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 découle