MétaCan
Menu
Retour à la cohorte
Enregistrement W4387414681 · doi:10.22271/phyto.2023.v12.i5d.14739

Effect of Pest Incidence Before timely sowing and timely sowing on Chickpea (Cicer arietinum L.)

2023· article· en· W4387414681 sur OpenAlexaboutno aff
Mahendra Bele, S. B. Jadhav, Rahul Gurjar, N. D. Kumar

Notice bibliographique

RevueJournal of Pharmacognosy and Phytochemistry · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSowingHectareRandomized block designCropHelicoverpa armigeraPEST analysisCultivarAgronomyProductivityLegumeBiologyMathematicsHorticultureGeographyAgricultureBotanyLarvaEcology

Résumé

récupéré en direct d'OpenAlex

Chickpea (Cicer arietinum L.), also known as Bengal grams or grams, is the second most important legume in Asia, North Africa, and Mexico. More recently, it has also become an important legume crop in the northern United States, Canada, and Australia. It is grown on an average of 13,544,400 hectares worldwide. 8.8 million tons produced. India is the largest producer of chickpeas in the world with a share of at 71.0 and 67.2% of the total area (9th place) 6 million hectares) and production (8.8 million hectares) and (FAOSTAT, 2013) [5]. Several biotic and abiotic constraints limit chickpea production and productivity, and pests are a major constraint for increasing chickpea production and productivity (Sharma 2005 and Yadav et al., 2006. Sharma et al., 2011) [13-14, 19]. Five chickpea genotypes resistant – RVSSG – 63, RVSSG 8102, Pusa Chickpea Manav, CG Lochan Chana, H 12-55 commercial cultivars were sown across four planting dates between October - January at monthly intervals during 2022 - 23 post rainy seasons under field conditions. The experiment was laid out in randomized block design (RBD) with three replications for each genotype, in a plot of six rows 3 m long (with a spacing of 60 cm between the rows and 10 cm between plants with in a row). Data were recorded one meter row length. At Seven days intervals in each planting. The incidence of Helicoverpa armigera (Hubner) larvae was highest in the crop sown in October (52.47 larvae per meter row length) in RVSSG 8102. lowest in the December sown crop (14.46 larvae per meter row length) in RVSSG 63. In the 2022 – 23 cropping season. The interaction effects were significant. Second Highest number of Helicoverpa armigera (Hubner) larvae were recorded on CG Lochan chana (44.13 larvae per meter row length), followed by H12-55 (14.52 larvae per meter row length) and RVSSG 63 (8.60 larvae per meter row length). The lowest incidence of Helicoverpa armigera (Hubner) larvae was recorded in H12-55 (5.52 larvae per meter row length).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,250

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,241
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacognosy and PhytochemistryMême sujetGenetic and Environmental Crop StudiesTravaux en français237 207