The Influence of Nitrogen Fertilizer Application on Yields and Nitrogen Use Efficiencies of <i>Solanum macrocarpon</i> and <i>Solanum scabrum</i> in Southwest Nigeria
Notice bibliographique
Résumé
Solanum macrocarpon and Solanum scabrum are good sources of vitamin, minerals, protein, anti-oxidants and fiber in southwest Nigeria. The study examined the effects of nitrogen fertilizer application on yields and nitrogen use efficiencies of Solanum macrocarpon and Solanum scabrum in Iwaro-Oka, Ondo State in southwest Nigeria in 2014 and 2015. The experiment was a 4 × 4 factorial arranged into a randomized complete block design with four rates of urea-N drilled at 0, 40, 80 and 160 kg/ha and replicated four times. Each plot was 3 m × 2 m with space of 1 m between plots. Vegetable seeds were planted by drilling. Fresh shoot and dry matter yields were determined. Nitrogen content and uptake were determined, and nitrogen use efficiency estimated. The result showed that average dry matter weight for S. macrocarpon was 228 kg/ha and S. scabrum was 6116 kg/ha. Average nitrogen uptake was 5.90 kg/h and 158.60 kg/ha for S. macrocarpon and S. scabrum, respectively. Nitrogen use efficiencies were 6.48 kg/ha, 0.15 kg/ha and 0.1 kg/ha for S. macrocarpon and 87.33 kg/ha, 26.14 kg/ha and 24.35 kg/ha for S. scabrum at 40, 80 and 160 kg N/ha, respectively. Negative values were obtained for N-recovery for S. macrocarpon while S. scabrum gave 5.85%, 2.10% and 1.44% at 40, 80 and 160 kg N/ha, respectively. The study concluded that S. scabrum had higher nitrogen use efficiency in the soil than S. macrocarpon and that highest NUE and N recovery were obtained at 40 kg N/ha.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».