Simulation of Growth and Leaf Area Index of Quality Protein Maize Varieties in the Southwestern Savannah Region of the DR-Congo
Notice bibliographique
Résumé
Logistic and exponential approaches have been used to simulate plant growth and leaf area index (LAI) in different growing conditions. The objective of the present study was to develop and evaluate an approach to simulate maize LAI that expresses key physiological and phonological processes using a minimum entry requirement for Quality Protein maize (QPM) varieties grown in the southwestern region of the DR-Congo. Data for the development and testing of the model were collected manually in experimental plots using a non-destructive method. Simulation results revealed measurable variations between crop seasons (long season A and short season B) and between the two varieties (Mudishi-1 and Mudishi-3) for height, number of visible leaves, and LAI. For both seasons, Mudishi-3, a short stature variety was associated with expected stable yield based on simulation data. In general, the model simulated reliably all the parameters including the LAI. The LAI value for mudishi-1 was higher than that of Mudishi-3. There were significant differences among the model parameters (K, Ti, a, b, Tf) and between the two varieties. In all crop conditions studied and for the two varieties, the senescence rate (a) was higher, while the growth rate (b) was lower compared to the estimates based on the STICS model.
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 | 0,001 |
| 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 ».