Effect of Integrated Nutrient Management on Yield and Quality of Basmati Rice Varieties
Notice bibliographique
Résumé
A 2-year study conducted to determine the effect of integrated nutrient management on yield and quality of basmati rice varieties in non-traditional area with 54 plots in split plot design. Variety HUBR 10-9 produced 18.8% higher mean grain yield and superior quality parameters than HUBR 2-1. Mean milling, head rice recovery, amylose content and alkali digestion value noted higher with HUBR 10-9 by 4.1%, 4.1%, 8.5% and 15.1% over HUBR 2-1, respectively. Addition of 75% recommended dose of fertilizers with 25% recommended dose of nitrogen as farmyard manure produced higher mean values by 3.1%, 4.2% and 4.0% for hulling, milling and head rice recovery respectively over 100% recommended dose applied as inorganic sources. Combined use of bio-inoculants (blue green algae plus Azospirillum) exhibited higher values for yield and quality parameters. HUBR 10-9 be grown using 75% recommended dose of fertilizers with 25% nitrogen as farmyard manure and blue green algae plus Azospirillum for enhancement in yield and quality in non-traditional areas of eastern Uttar Pradesh. Further investigation required under diverse conditions.
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 | 0,001 |
| 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 ».