Direct Estimation of Maize Leaf Area Index as Influenced by Organic and Inorganic Fertilizer Rates in Guinea Savanna
Notice bibliographique
Résumé
Leaf area index (LAI) plays an important role in radiation capture, crop growth and yield formation. However, there is limited quantitative data on the influence of poultry manure (PM) and NPK fertilizer rate (NPK) on LAI, as estimated directly. Using a split-plot design with three replications, a field experiment was conducted to determine the effects of three PM rate (0, 2 and 4 t/ha) as main plot and three NPK rate (0:0:0, 60:30:30 and 120:60:60 kg N P2O5 K2O/ha) as sub plot, on LAI and maize grain yield. The maize was planted at a density of 106,666 plants/ha; two rows on a ridge, one plant per stand at 75 × 25 cm. Linear regression was used to establish predictive equations among correlated variables and to describe the degree of associations. The application of PM in maize increased (p < 0.05) number of leaves/plant (NL) at 8 and 10 weeks after sowing maize (WASM). NL, leaf area constant at 6 and 10 WASM, leaf area (LA) and LAI were significantly affected by NPK. LAI correlated positively with NL, LA and grain yield. The coefficient of determination between actual and estimated LA was in the range of 0.85-0.97. The PM × NPK interaction was significant on maize grain yield. The results suggest that small-scale maize farmers faced with challenges in obtaining and transporting large quantities of poultry manure can use 2 t PM/ha with either 60:30:30 kg N P2O5 K2O/ha or 120:60:60 kg N P2O5 K2O/ha to increase grain yield of maize.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».