Phenotypic Characterization of Citron Watermelon (Citrullus lanatus var. citroides) Genotypes for Bioenergy Production
Notice bibliographique
Résumé
Citron watermelon (Citrullus lanatus var. citroides) is an important climate smart crop, characterized by high oil content in the seeds and it is a popular fruit in southern Africa. To determine best performing genotypes eight phenotypic traits were assessed to identify cultivars with potential for biodiesel production. A field experiment was conducted at Sebele Agricultural Research Station, in Southern Botswana, during 2019 to 2020 cropping season. Four (4) melon genotypes were planted in a Randomized Complete Block Design replicated three times and eight (8) characters were assessed. Except seed oil content (26.6%) there was significant (P < 0.05) difference among all the traits, an indication of higher genetic diversity in the selected citron watermelon. SC1-Sesoswane, exhibited highest seed yield (1540 kg/ha) and oil yield (435.03 kg/ha) while MMB-280-Lerotse recorded lowest seed yield and oil yield of 548.1 kg/ha and 144 kg/ha respectively. There was a significant correlation of (0.9) between oil yield (kg/ha), number of fruits produced, and seed yield (kg/ha), an indication that increasing the seed yield will positively increase the amount of oil produced. This study revealed the potential bioenergy production of the four cultivars. However, SC1-Sesoswane appears a more promising alternative cultivar for feedstock for biodiesel production.
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 ».