Effects of Different Bioactivator Rates on Growth, Yield and Soil Properties of Two Rice Varieties in Indonesia
Notice bibliographique
Résumé
The progressive decrease in rice production in Indonesia is associated with soil infertility, resulting in inhibited plant growth.This study investigated the impact of bioactivators on soil properties and the growth and yield of two rice (Oryza sativa L.) varieties, namely Inpari 32 and IR 64.A factorial nesting design was implemented, taking into account two primary factors: the dose of bioactivator (ranging from 10-30 ml/l, applied pre-or postplowing) and the rice variety.Two control conditions, namely inorganic and organic fertilizers, were also included.The results demonstrated that both the rice variety and bioactivator application significantly influenced various plant and soil parameters, such as plant height, clump diameter, number of tillers per clump, root length, plant fresh and dry weight, yield, and soil properties.While the control treatments of inorganic and organic fertilizers yielded superior results in terms of clump diameter and number of tillers, bioactivator application resulted in longer roots and higher biomass across both rice varieties.Notably, the application of a 10 ml dose of bioactivator prior to plowing, specifically on the Inpari 32 variety, was found to improve plant dry weight and fresh weight more effectively than the control and other treatments.Moreover, post-plowing application of a 20 ml/l bioactivator concentration increased soil water content, the potential of C-organic, and P2O5.These findings suggest that bioactivator application could be an effective strategy for enhancing soil fertility and rice crop productivity, thereby addressing the ongoing decrease in rice production in Indonesia.
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 ».