Rainwater Harvesting-Based Marginal Land Irrigation Technology: A Case Study in Ngawen Sub-district of Gunungkidul Regency, Indonesia
Notice bibliographique
Résumé
Gunungkidul Regency is an area that has both potential and problems in achieving food stability.Though agriculture in this region makes the highest contribution to Gross Regional Domestic Product, the productivity of this sector is still low.Drought is a classic problem and represents the largest barrier in agricultural development, despite high precipitation.This paper describes the design of an efficient irrigation technology to increase agricultural productivity.Specifically, this research aims to determine marginal-land suitability, analyze and design a suitable model of rainwater-harvesting-based irrigation technology.Using the method of combining field study and desktop analysis, the results indicate that the land in the research site is considered suitable given the conditions of a particular treatment for the commodities of upland rice, soybean, corn, green beans, peanuts and cassava.The model rainwater irrigation reservoir is built by considering the drainage flow and the contour of the rainwater catchment area.The feasible irrigation distribution models are the pitcher irrigation system and perforated pipe irrigation system.The pitcher system from the existing reservoir can support a maximum of 24.75 m 2 of land, 120 plants and at least 66 service days.The optimum range of pitcher water is around 25 cm with a 50-cm space between plants and one pitcher serving 4 plants.Meanwhile, the perforated pipe is mounted near the root zone (10 -25 cm) at the depth of 17.5 cm, with 25 cm left-right spacing between plants.An L-shaped pipe can serve 10 plants; one side is mounted underground while the other side is above the land surface for water intake.The pipe system from a reservoir can serve a maximum of 129.5 m 2 land.The study results lead to the conclusion that the most suitable irrigation model in the study area is the perforated pipe system.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».