Investigating of N and K Fertilizers on Yield and Components of Soybean (Glycine max (L.) Merr.)
Notice bibliographique
Résumé
Nitrogen and potassium fertilization have given variable results in increasing soybean yield. More information is needed about optimum potassium (K) and nitrogen (N) fertilizers placement for soybean. This study investigated the effect of different amounts of nitrogen and potassium on yield and its components on soybean cultivar DPX. Treatments include nitrogen (from urea) - Potash (potassium sulfate) in seven levels (N0-K0, N50-K0, N0-K20, N50-K20, N100-K50, N200-K100 and N250-K150 kg/ha) and factor inoculated and non-inoculated at two levels. Some growth parameters such as seed number, 100 seed weight, pod number, yield and harvest index were analyzed. There was significant difference between seed number and 100 seed weight. When the seeds were inoculated with bacteria, treatments N0-K0 and N250-K150 have a minimum and maximum number of seeds in these conditions, respectively. Also, the results showed that 100 seed weight in treatments inoculated with bacteria, N250-K150 most (24 g per plant) and N0-K0 minimal (14 g per plant), respectively. In the absence of inoculation with bacteria treated N0-K0 also had the lowest 100 seed weight. There was a positive correlation between number of pod per plant, yield and harvest index and N rate. Consequently the results demonstrated that increases in yields were necessarilyrelated to increase in plant N and K content and inoculated with bacteria had a marginal effect.
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 | 0,000 | 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 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 ».