Effect of Soaking Tubers in Potassium Humate and Foliar Application of Nano-Calcium Fertilizer on some Growth Traits of Two Potato Cultivars
Notice bibliographique
Résumé
Abstract In the spring of 2022, researchers from the University of Mosul’s Faculty of Agriculture and Forestry conducted an experiment on a vegetable field. In this experiment, we looked at three variables: first, the effects of two different potato cultivars (Montreal and EL-Beida). For the second part, we soaked potatoes in a solution of potassium humate with a concentration of (0, 0.5, 1 g L -1 ). Therefore, the experiment had 18 treatments (2 3 3), with the third factor being Nano-calcium fertilizer with three concentrations of (0, 1.5, and 2.5 g L -1 ) applied to plants at three stages of plant growth: the first 20 days after full germination, the second and third stages, with a 20-day interval between addition and another. Cultivars were positioned in the primary plots, with the interaction between two additional variables located in sub-plots, as part of a factorial experiment inside a split-plot utilizing the Randomized Complete Block Design with three repetitions. Duncan’s multiple range test for comparing means was used to analyze the data at a 5% significance level. This leads to the following conclusion: Of the cultivars tested, the Montreal variety performed best when soaked in potassium humate at two different concentrations, increasing both leaf area and dry matter percentage in the vegetative development (0.5 and 1). both total chlorophyll content and leaf area were significantly increased by g.L -1 . The best statistically significant data for plant height, number of aerial stems, and leafy area were obtained after spraying calcium Nano-fertilizer at two doses.
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 | 0,001 | 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 | 0,001 |
| 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 ».