Fertilizer Micro-dosing and Timing of Weeding for Enhancing Finger-Millet Production in Eastern Uganda
Notice bibliographique
Résumé
Finger-millet response to micro-dosing with N and P fertilizer in the Semi-Arid areas of eastern Uganda is not fully known. Consequently, we conducted a field study at Kuju in eastern Uganda in 2016 long and short rains. The study determined the effect of fertilizer micro-dosing and weeding time on finger-millet performance. The experiment was laid out in a randomized complete block design with a split plot treatment structure. Weeding time constituted the main plot (weeding at 20, 30, 45 DAS (days after sowing) and 20 + 45 DAS while fertilizer rates (16.6 kg N ha-1 + 10.6 kg P2O5 ha-1; 10.6 kg P2O5 ha-1; 16.6 kg N ha-1; 0 N + 0 N and 83 kg N ha-1 + 52 kg P2O5 ha-1) constituted the sub-plots. Results of this study revealed that finger-millet grain yield was highest (2182 kg ha-1) at fertilizer micro-dosing (16.6 kg N ha-1 + 10.6 kg P2O5 ha-1) and lowest (950 kg ha-1) in plots with no fertilizer. Fertilizer micro-dose application (16.6 kg N ha-1 + 10.6 kg P2O5 ha-1) caused early flowering of finger-millet (52.2 days), whereas delayed flowering was recorded, where 16.6 kg N ha-1 (55.12 days) was applied. The interaction between time of weeding and fertilizer rates significantly (P < 0.05) increased finger millet growth and grain yield. The interaction of N and P fertilizer micro-dose with weeding once at 20 DAS had the highest finger-millet grain yield. Therefore, it is recommended that fertilizer micro-dosing can be used to enhance finger-millet 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 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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».