Production Potential of Allelopathic Rice, Cymbopogon, Desmodium, Mucuna and Maize
Notice bibliographique
Résumé
Allelochemicals regulate the productivity of crop ecosystems. A screen house experiment was conducted (2016) at the National Crops Resources Research Institute, Namulonge, Uganda to determine the effects of NERICA 1 rice (an interspecific hybrid between Oryza sativa and O. glaberrima species), Cymbopogon nardus (C), Desmodium uncinatum (D), Mucuna pruriens (Mc) and LONGE 6H, Zea mays (Mz) on crop relative growth rates (RGR), nitrogen (N), phosphorus (P) and potassium (K) nutrient levels. One field study was conducted on a farm (2017) to establish the allelopathic interactive effects of RCDMcMz on Striga hermonthica (a parasitic weed), crop competition and productivity. Data was collected on striga, RMz growth, nutrient levels and yield. Potted rice reduced (30%-47%) in root length but Mz leaf length increased (31% & 15%) with Mc & D. RMc reduced (73%) striga and increased rice RGR (14-42 days). RD similarly reduced (67%) striga. RC increased (96%, 44% & 73%) rice NPK uptake, RGR (14-42 days), reduced (57%) striga and increased (1.56) the combined land equivalent ratio (CLER) and rice grain yields. RMz reduced (16%, 38% & 38%) rice NPK reserves, RGR (14-42 days), CLER (1.0), grain yields and increased (36%) striga. RD recorded higher CLER (1.56). MzMc reduced (15% & 27%) maize P uptake and NP uptake increased (42% & 9.3%) under MzC & MzD (73% & 29%). RMc increased rice RGR (14-42 days). Maize RGR (14-28 days) increased under MzD, MzMc & MzC and reduced (28-42 days) under MzD, RC & MzMc.. The ecosystems’ productivity was attributed to allelopathy.
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) | 0,001 | 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 ».