Effects of Irrigation Method and Water Flow Rate on Irrigation Performance, Soil Salinity, Yield, and Water Productivity of Cauliflower
Notice bibliographique
Résumé
Water scarcity is a major constraint for food production, particularly in arid and semi-arid environments. In this regard, selecting the best irrigation technique is crucial to overcome water scarcity and enhance water productivity (WP) with no significant yield loss. This study aimed to assess the impact of irrigation techniques of every furrow irrigation (EFI), alternate furrow irrigation (AFI), and drip irrigation (DI), as well as the flow rate, on irrigation system performance parameters, yield, water productivity of cauliflower crop and soil salinity during the two successive growing seasons of 2017/2018 and 2018/2019 under field conditions. The treatments comprised three different irrigation inflow rates: Q1 = 0.47 L/s, Q2 = 0.95 L/s, and Q3 = 1.43 L/s. For both investigated seasons, the AFI + Q3 treatment produced the best water distribution uniformity (DU) and water application efficiency (AE) of 85.10% and 72.73%, respectively, of the surface irrigation, and DI methods across the two growing seasons produced the highest DU of 95%. DI produced the highest cauliflower curd yield (18.12 Mg/fed), followed by EFI + Q3 (12.285 Mg/fed) and AFI + Q3 (11.905 Mg/fed). The maximum mean WP value of 10.6 kg/m3 was recorded with DI, followed by AFI + Q3 (6.24 kg/m3), across the two growing seasons. DI, AFI + Q3, AFI + Q2, AFI + Q1, EFI + Q3, and EFI + Q2 saved irrigation water by 32.63, 28.71, 21.22, 18.04, 10.48, and 3.18%, respectively, compared with EFI + Q1 across the two growing seasons. During both seasons, the average value using the drip irrigation system was 3.60 dS/m. Considering the annual leaching requirements of soil, climate change conditions, and fixed costs, we recommend the use of a drip irrigation system in clayey soil to produce cauliflower, followed by the use of the alternative furrow irrigation method to enable the aeration of the same soil for a lower cost.
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 | 0,001 |
| 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 ».