Weed Interference and Control in Cowpea Production: A Review
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
In spite of the great economic potential of cowpea as both domestic and commercial crop, a number of constraints, which include insect pests, diseases and weeds, limits its production in West and many parts of Africa. Weeds reduced cowpea yield and value by competing for light, water and nutrients. Cowpea suffers from weeds particularly when the crop is in the early growth stages before ground cover. Yield losses cause by weeds alone in cowpea production can be as high as 76% depending on the cowpea cultivar, environment and weed management practices. A timely weed removal at the critical period, which falls within the first 40 days of cowpea growth, would help to prevent an unacceptable yield. Weed management in cowpea has been with low technology. Hand weeding is the most widely used weed control method in cowpea but they are usually expensive and labour intensive. Cultural practices such as narrow row spacing and planting of early maturing varieties are also used for weed control in cowpea. Herbicides, which are relatively easy to use and less expensive, have not been widely adopted for weed control in cowpea. There are limited number of selective herbicides with wide spectrum for weed control in cowpea. However, an integrated practices that involved pre-emergence weed control using herbicides or physical weeding, and a supplementary weed removal that would ensure weed control up to 40 days after cowpea emergence could substantially prevent yield losses associated with weed interference.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle