Efficacy of Extraction Methods of Moringa oleifera Leaf Extract for Enhanced Growth and Yield of Wheat
Notice bibliographique
Résumé
A field study was conducted to assess effective method to get Moringa leaf extract, through its response on growth and yield traits of wheat. Extracts of whole or chopped and dry or fresh Moringa leaves were used exogenously i.e. pre-sowing seed soaking as well as water diluted solution based foliar spray application at tillering and booting stages. Significantly higher growth response in term of leaf area index, leaf area duration, and crop growth rate was observed when combination of 30 times diluted moringa leaf extract (MLE) was applied at both crop stages. Yield contributing traits of wheat such as fertile tillers, spikelet’s spikelet’s per spike, grains per spike, 1000 grain weight, biological and grain yields were recorded in significantly higher due to 30 times diluted fresh MLE followed by 20 times dilution of Moringa dried leaf powder (DLP). While, control treatment and hydro-priming showed at comparable results in the form of significantly lesser fertile tillers, grains per spike, 1000-grain weight and grain or biological yields. Conclusively, 30 times diluted MLE proved the best among the treatments combinations for improved wheat growth and yield however, the biochemical features responsible for such promotive response are yet to be investigated prior to dissemination of this technology to the farmer field.
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 | 0,002 | 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 | 0,001 |
| 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 ».