Effect of Plant Nutrition on Fruit Set
Notice bibliographique
Résumé
Fruit set and retention determine the ultimate yield of mandarin; as adequate mineral elements play key role. The study investigated the effects of foliar applications of nitrogen, potassium, calcium including boron and zinc; alone and their combinations; on fruit set, growth and yield of mandarin; the experiments conducting in the Dhankuta district of Nepal during 2019 and 2020. The results revealed that severe flowers/fruitlets drop occurred to a range of 97.7% to 92.7% during bloom fruit set period as the highest set (7.3%) occurred at foliar spray of NK + micro-nutrients compared to the control treatment (2.3%). Accordingly, compared to the control treatments, spray application of NK+ micro-nutrients, and NPK soil + micro-nutrients increased the higher fruit set by 151.7 and 41.3% respectively during post-bloom since 28 th March until 1 st May. In regard to fruit drop, two treatments of foliar sprays: NPK + B + Zn + Ca; and NK + B + Zn + Ca had the lower fruit drops by 15.8 and 15.4 during June; and by 16.2 and 15.9% during preharvest period respectively, compared to the control treatment. The highest fruit diameter (58.9 mm) and weight (63.4 g) were found at the treatment NPK + B + Zn + Ca among the treatments; likewise, the corresponding the highest number of fruits (1790 nos) and total fruit yield (101.81 kg) per tree were also observed at the same treatment.
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 | 0,000 |
| 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) | 0,000 | 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 ».