Role of Variety and Fertilizer Practices on Cowpeas (Vigna unguiculata) Yield and Field Incidence of the Parasitic Weed Alectra vogelii (Benth) in Central Malawi
Notice bibliographique
Résumé
Grain legumes are an important component of the food systems in Malawi. The parasitic legume witchweed species Alectra vogelii (Benth) is among the problem pests with serious infestations in groundnuts (Arachis hypogea), soybeans (Glycine max), cowpeas (Vigna unguiculata) and other legumes. A study was conducted in 2013/14 and ‘14/15 seasons to evaluate the effects of three cowpea varieties (IT82E-16, Sudan 1 and Alectra-resistant Mkanakaufi) and fertilizer practices (no fertilizer applied, 5 t ha-1 cattle manure and 100 kg ha-1 of inorganic 23:21:0+4S on cowpea grain yield, yield components and Alectra emergence at three sites in central Malawi. Cowpea grain yields ranged 400-2400 kg ha-1. There were significant (P < 0.05) variety effects on yield in 4 of 6 site-years, with variety IT82-16 consistently giving the highest yields (range 1200-2400 kg ha-1). There were significant variety effects on A. vogelii emergence with Mkanakaufiti having no Alectra throughout. Application of cattle manure strongly suppressed A. vogelii in 6 site-years all at 60 days after planting, while inorganic fertilizer suppressed Alectra in 3 of the 6 site-years. Cattle significantly but marginally (about 250 kg ha-1) increased yield in 2 of the 6 site-years. The results show potential to suppress A. vogelii with cattle manure application. However, further studies are required to understand the causes of the limited yield response under manure or fertilizer application to make the practices attractive to farmers. More variety improvement studies to produce a range of varieties with better local adaptability and response to fertility amendments are recommended.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».