Effects of Varieties and Nitrogen Fertilizer on Yield and Yield Components of Maize on Farmers Field in Mid Altitude Areas of Western Ethiopia
Notice bibliographique
Résumé
Yield of maize hybrids could be low when grown below optimum management practices. Use of improved varieties and optimum nitrogen fertilizer application practices are unlocking the high yielding potential of hybrids maize. With these in view, a field experiment was executed on farmers’ field to determine the effect of varieties and nitrogen fertilizer rate on yield and yield components of maize in two cropping seasons. It is laid out with randomized complete block design in factorial arrangement with three replications. Five maize varieties (BH-540, BH-543, BH-661, BH-660, and BH-140) as main factor and two levels of nitrogen (55 and 110 Kg N ha −1 ) as subfactor were used with one maize variety (BH-543) without fertilizer as control. Leaf area and leaf area index of maize varieties were significantly affected by application of nitrogen fertilizer rates. Interaction of maize varieties with nitrogen fertilizer rates significantly affected all yield and yield components of maize. Application of half and full recommended nitrogen fertilizer produced mean grain yield advantages of 31 and 41% over control. Therefore, application of half and full recommended nitrogen fertilizer for improved maize varieties has significantly improved grain yield and recommended for maize production in midaltitude area of western Ethiopia.
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 ».