Nitrogen and Potassium Fertilizers Increase Cherry Tomato Height and Yield
Notice bibliographique
Résumé
Less or no fertilizer use compromises growth and yield of cherry tomato (Solanum lycopersicum var. Cerasiforme) in Uganda. A study was conducted to determine the effect of nitrogen (N) and potassium (K) fertilizer rates on cherry tomato growth and yield. The experiment was conducted in a field during 2016B and 2017A seasons at Namulonge. The treatments included; (100, 60, 100) and (200, 60, 200) kg ha-1 of N, P, K and the control with no fertilizer application, these were laid out in a split plot design with three replications. Results revealed that tomato plants significantly (P < 0.05) responded to nitrogen and potassium fertilizer application by increasing their height and yield. The highest tomato height and yield were obtained from plots applied with 100, 60, 100 kg ha-1 of N, P and K. This rate was considered as the optimal application rate because plants applied with fertilizer above this rate were observed to have low height and yield. On the other hand, plants applied with nitrogen and potassium fertilizers below 100, 60, 100 kg ha-1, flowered and matured earlier than those in the control plots. The study showed that N and K fertilizer influenced plant height, flowering, maturity period and yield of cherry tomato. Based on these findings, use of 100, 60, 100 kg ha-1 of N, P and K is recommended for improving cherry tomato production in central Uganda, where the study was conducted, and any fertilizer rate above 100, 60, 100 kg ha-1 in the same area may be un-economical to use in cherry tomato growing.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».