Yield and Disease Responses of Improved Groundnut Genotypes Under Natural Disease Infection in Northern Uganda: Implication for Groundnut Disease Management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Groundnut production in Uganda is constrained by groundnut rosette disease (GRD), the main cause of yield loss experienced by farmers. We conducted the current study to assess the responses of improved groundnuts to diseases (rosette and late leaf spot) and yield under local conditions. Four released groundnut genotypes (Serenut 5R, Serenut 8R, Serenut 9T and Serenut 14R) were evaluated in four locations in northern Uganda for two seasons in 2019. We established the experiment following randomised complete block design with three replications. GRD severity (harvest) and late leaf spot (LLS) severity (harvest) on the four genotypes were not significantly (P > 0.05) different but positively correlated with the Area Under Disease Progress Curve (AUDPC). Genotype-by-location interaction for LLS AUDPC, GRD AUDPC and dry pod yield were significant (P < .001). Season-by-genotype interaction was not significant (P = 0.367). Days to 50% flowering were also not significant (P > 0.05). Highest and lowest yields were recorded for Serenut 9T in the Omoro district (1,291 kg/acre) and the Amuru district (609 kg/acre), respectively. Dry pod yield was significantly (P < 0.001) negatively correlated with GRD severity and GRD AUDPC. Yield performance of the four genotypes was not significantly (P < 0.05) different in the districts, except for Kitgum, where yields of Serenut 9T and Serenut 8R were significantly (P < 0.05) higher. These genotypes could be used to manage GRD by smallholder farmers in Northern Uganda. Special consideration should therefore be given to these four groundnut genotypes for GRD management in the Acholi sub-region.
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.
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 | 0,001 | 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 | 0,000 | 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 découle