Maximizing Yields, Nutrient Uptake and Balance for Mustard-Mungbean-T. Aman Rice Cropping Systems through Nutrient Management Practices in Calcareous Soils
Notice bibliographique
Résumé
The experiment was conducted to measure crop yields, nutrient concentration, nutrient uptake and balance by using different nutrient management practices for mustard-mungbean-T. aman rice cropping system in calcareous soil of Madaripur, Bangladesh. Different nutrient management practices were absolute nutrient control (T1); farmer’s practice (T2); AEZ based nutrient application (T3) and soil test based nutrient application (T4). The practices were compared in a randomized completely block design with three replications over two consecutive years. The average yield through application of soil test based nutrient (T4) was showed effective to get highest yields of mustard (1530 kg ha-1), mungbean (1632 kg ha-1) and T. aman rice (4729 kg ha-1). The same practices (T4) exhibited the greatest nutrients uptake by the test crops. The apparent balance of N and K was negative; however it was less negative and less deficiency detect in T4 treatment. Positive balance of P observed in all practices except in T1. There was a positive S balance (7.60 kg ha-1) in T4 but negative in T1, T2 and T3. Zinc balance was found positive in T3 and T4 and negative in T1 and T2. Boron balance in the system was neutral or slightly positive in T1 and negative in T2 but positive in T3 and T4. Organic matter, N, P, S, Zn and B status in soil was improved by T4 treatment. The results suggested that the soil test based nutrient application is viable and sustainable for mustard-mungbean-T. aman rice cropping system in calcareous soils of Bangladesh.
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 ».