Growth of Rice Varieties in Different Kenyan Soil Types Under Water-Deficit Conditions
Notice bibliographique
Résumé
The growth of 20 rice varieties, including both lowland and upland varieties, was evaluated in Kenya under well-watered and water-deficit conditions in four different soil types (black cotton, red clay, volcanic ash, and sandy clay) to compare the adaptability of these varieties to the two water regimes. Under water-deficit condition, after terminating irrigation, the reduction in soil water potential differed markedly according to soil type. The rice varieties tested were classified into four groups, which were largely consistent with differences in rice variety ecotype. We confirmed that lowland varieties such as Basmati 370 should not be considered as a candidate for cultivation under rain-fed upland conditions in Kenya. Furthermore, the results revealed that even potentially high-yielding varieties may not attain their yield potential if the cultivation environment is unsuitable. Although we found that five upland varieties (Dular, IRAT109, NERICA 1, NERICA 4, and Yumenohatamochi) presented relatively higher grain yield under water-deficit conditions in all soil types, individual variety’s grain yield depended on the soil type. Their higher yield is attributable to certain root traits and their yield variations to an interactive effect between root development and soil type. Our results indicated that the varieties Dular, IRAT109, NERICA 1, NERICA 4, and Yumenohatamochi are suitable for cultivation under rain-fed upland conditions across the major rice-growing areas in Kenya and that soil type should be considered when selecting varieties for an area’s maximum productivity.
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 | 0,001 |
| 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 ».