Agronomic Biofortification of Fodder Maize (Zea mays L.) with Zn for Improving Herbage Productivity and Its Quality
Notice bibliographique
Résumé
Zinc (Zn) deficiency in soils not only reduces the productivity of forage crops, but also results in inadequate dietary zinc intake for livestock. The objective of this study was to evaluate the impact of different rates and methods of applying ZnSO4 to both soil and foliage on the yield and quality of fodder maize grown in a sandy loam soil testing low in DTPA-extractable Zn. A 2-year field experiment was conducted with six treatments including control, foliar application of 0.3% ZnSO4 at 30 days after sowing (DAS) (F1), foliar application of 0.3% ZnSO4 at 30 and 40 DAS (F2), soil application of 16 kg ha−1 ZnSO4 (S16) and a combination of both soil and foliar ZnSO4 application (S16 + F1 and S16 + F2). Increase in green herbage yield by 25%, dry matter yield by 47% and Zn content by 79% was observed under S16 + F2 treatment over the control. Zinc application improved N, K, Cu and crude protein content of herbage significantly over the control. Thus, the study shows that significant improvement in growth parameters, herbage yield and quality of maize can be achieved with soil Zn application + two foliar sprays of ZnSO4 at 30 and 40 DAS, thereby ensuring availability of improved fodder Zn to the livestock.
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 ».