Effect of Total Solar Radiation and Rainfall on Yield of Different Tea (Camellia sinensis [L.] O. Kuntze) Clones at Two Sites in Kenya
Notice bibliographique
Résumé
Tea cultivation is the leading cash crop in Kenya, making significant contribution to the economy. It is the single largest export commodity, accounting for about 26% of the country’s total export earnings. In 2017, the country got US$ 1.23 billion in foreign exchange earnings. However, tea production is affected by weather changes. Majority of research reporting the effects of weather on tea yields in Africa have mostly been carried out at single sites. This study investigated contribution of total solar radiation and rainfall to tea (Camellia sinensis) yields at two sites in Kenya. A split-plot layout study was conducted at two sites differing in altitude and climatic conditions in Kenya: Kangaita (0o30'S, 37o16'E, 2100 m.a.s.l.) and Kipkebe (0o17'S, 35o3'E, 1740 m.a.s.l.). Timbilil (0o22'S, 35o21'E, 2200 m.a.s.l.) was used as a reference site. Four tea clones of commercial and scientific interest in Kenya (AHP SC 31/37, EPK TN14-3, TRFK 301/5 and TRFK 31/8) were studied. Low radiation intensities at Timbilil in 2007 corresponded with low made tea yields at Kangaita (2.1 t ha-1 y-1) and Kipkebe (2.6 t ha-1 y-1) compared to 2008 (4.4 t ha-1 y-1 and 3.2 t ha-1 y-1) and 2009 (3.1 t ha-1 y-1 and 3.0 t ha-1 y-1) respectively when higher total radiation intensities were recorded. Statistical analysis done using two-way ANOVA (P = 0.05) for split plot design showed a strong positive correlation (r = 0.53) between total solar radiation, rainfall and mean made tea yield. Higher radiation and rainfall intensities yielded higher tea outputs.
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 | 0,001 | 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 ».