Allelopathic Potential of Compounds in Selected Crops
Notice bibliographique
Résumé
Allelochemicals cause yield differences under various ecosystems worldwide. Studies were conducted at the National Crops Resources Research Institute, Namulonge, Uganda during 2016 to investigate allelopathic properties of bioactive compounds in upland rice (NERICA 1), Desmodium uncinatum, Zea mays (LONGE 6H) and Mucuna pruriens root leachates. Studies involved pot screening, equal compartment agar experiments, germination tests and growth of potted plants. Results under the pot study indicated that maize, rice and mucuna leachates significantly (P ≤ 0.05), reduced root lengths (49%-63%), plant heights (48%-66%) and biomass (63%-75%) for Ageratum conyzoides, Bidens pilosa and Gallinsoga. parviflora weeds. G. parviflora root growth was reduced (20%-41%) and stem growth declined (19%-42%) when maize, rice and mucuna leachates were applied in the equal compartment agar study. Increased leachate concentrations (25%-75%) significantly (P ≤ 0.05), increased the mean germination time (0.4-2.8 days) for mucuna, desmodium, rice and maize as seed germination indices (SGI) were reduced (1.3%-49%). Potted mucuna, maize and desmodium reduced (1.3%-49%) rice root length. Potting mucuna with maize reduced (32%) mucuna leaf width while desmodium growth parameters were reduced (49%-64%) when potted with maize and mucuna. Potting maize with mucuna or desmodium increased the maize leaf length (18%) and SGI (25). Application of higher (25%-75%) rice/maize leachate concentrations similarly increased the maize leaf length (31%) and SGI (119). Allelopathic properties affect seed germination, crop growth and development, and characterise ecosystems age structures. Strategic management of crops under allelopathic ecosystems is critical.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 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 ».