Effect of Pit and Soil Types on Growth and Development, Nutrient Content and Fruit Quality of Pomegranate in the Central Deccan Plateau Region, India
Notice bibliographique
Résumé
To enhance pomegranate production on marginal gravelly lands, standardized planting techniques were evaluated in an 8-year-old orchard. Trenching, wider pit excavation, pit digging, and auger digs with dimensions of 1 and 2 m were employed. Utilizing native soil from barren land, with or without spent wash, and mixing it with black soil up to 1 m deep, growth parameters, leaf nutrients, fruit production, and fruit quality were assessed. The trench and wider pit methods outperformed others, yielding greater above-ground biomass (>70.3 kg tree−1), root biomass (>24.5 kg, tree−1), and cross-sectional area (>3.30 m² tree−1). These methods also produced longer roots (>4.0 m tree−1) and higher leaf phosphorus (>0.28%) and potassium (>1.81%) levels, fruit juice content (>48.50%), and total soluble solids (>16.05°) compared to other planting methods. This resulted in higher and more sustainable fruit yield production under the trench and wider pit planting methods (>7.21 t ha−1). Similarly, the native and black soil mixture produced healthy fruit trees, improved fruit quality, and sustainably higher fruit yield over the native soil alone. In summary, the trench and wider pit methods (2–3 m³), combined with a soil mixture, are recommended for sustainable, high-quality fruit production in shallow gravelly terrains, thereby improving food security and the livelihoods of farmers in arid regions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».