Screening Cover Crops for Weed Suppression in Conservation Agriculture
Notice bibliographique
Résumé
The use of herbicides amongst smallholder farmers is minimal because herbicides are expensive and they require specialized application equipments. Weeds are problematic in conservation agriculture where herbicides are expensive for smallholder farmers. The use of cover crops can help to suppress weed growth and development by creating an environment which is not suitable for weeds survival. Cowpea (Vigna unguiculata (L.) Walp) dolichos lablab (Lablab purpureus L.) and velvet bean (Mucuna pruriens (L.) DC) were evaluated for biomass accumulation and weed suppression under conservation agriculture system in two contrasting experimental sites: Ukulinga and Bergville in KwaZulu-Natal. Bare plot and herbicide treatments served as controls. Treatments were laid in a randomized complete block design, replicated three times. Mucuna pruriens (L.) DC had the highest biomass accumulation in both sites Bergville (0.72 t/ha) and Ukulinga (1.59 t/ha). Cowpea had the lowest biomass accumulation in Bergville (0.59 t/ha) and lablab was the lowest in Ukulinga (0.88 t/ha). Lablab was effective in suppressing weed biomass in Bergville (P < 0.05). Cowpea performed best in suppressing weed biomass in Ukulinga (P < 0.05). The results suggest that cowpea and lablab can be effective for weed suppression and therefore can be recommended for use in conservation agricultural systems.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».