Influence of Hydroponics Nutrient Solution on Quality of Selected Varieties of Potato Minitubers
Notice bibliographique
Résumé
Addressing poor seed quality is pivotal for increased potato yields in Kenya. For this to be realized there is a need for nutrient optimization in the hydroponic system. The objective of this study was to examine the effects of nutrient stock solution concentrations on the quality of minitubers produced under a hydroponic system. Two greenhouse experiments were set up at Egerton University, Kenya in 2022. The treatments included three nutrient solution concentrations: 75% (N75), 100% (N100) and 125% (N125) and four potato varieties (Wanjiku, Unica, Shangi and Nyota) grown in a cocopeat substrate hydroponic system. The results indicated that the application of N125 produced minitubers that had significantly higher specific gravity, dry matter, starch, ash and sugar content. Crude protein and phosphorus did not differ significantly with the application of varying nutrient concentrations. The varieties did not differ significantly in the quality parameters except for total sugars where Unica was significantly different from Nyota and Wanjiku while Shangi did not differ from all varieties. Therefore, it will be advisable to apply 125% of the ADC-Molo recommended nutrient stock formulation which should be considered as an effective method of increasing minitubers quality under a hydroponic system.
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 | 0,001 |
| 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 ».