Effects of Nitrogen on Growth, Yield and Postharvest Quality of Selected Cauliflower (Brassica oleracea) Varieties
Notice bibliographique
Résumé
Cauliflower (Brassica oleracea var. botrytis L.) is one of the most popular vegetable crops. An experiment was conducted to study the response of late season varieties of cauliflower to different sources of nitrogen on growth, yield and postharvest quality at Rampur, Chitwan, Nepal during October 2018 to March 2019. Four late season varieties of cauliflower viz. NS 106, Snow Moon, Yukon, and Candid Charm and three different sources of nitrogen viz. 100% Nitrogen (N) through Farm yard manure, 50% N through FYM and 50% N through urea, and 100% N through urea. The two-factor experiment was laid in RCBD with three replications and twelve treatment combinations. All the recorded growth, yield and postharvest quality parameters were significantly higher and statistically similar in NS 106 and Yukon and significantly lower in Candid Charm. Similarly, significantly higher plant height, canopy diameter, leaf number, curd height, economic yield and biological yield were recorded in 50% N through FYM and 50% N through urea. Significantly lower plant height, canopy diameter, leaf number, economic yield and biological yield, titrable acidity and significantly higher days to curd maturity, vitamin C and dry matter content of leaf and curd, and TSS content were recorded in 100% N through FYM. Results revealed that for higher and postharvest quality of cauliflower during late season at Rampur, Chitwan Yukon or NS 106 both varieties were superior along with 50% N through FYM and 50% N than those of the other varieties. SAARC J. Agric., 19(2): 195-205 (2021)
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 | 0,001 |
| 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 ».