MétaCan
Menu
Retour à la cohorte
Enregistrement W4401827794 · doi:10.5376/ijh.2024.14.0023

Effect of Different Mulching Materials on Onion (<i>Allium cepa</i>) Production at Lamahi, Dang, Nepal

2024· article· en· W4401827794 sur OpenAlexvenueno aff
Dibyashori Rana Magar, Anita Sharma, Smirty K.C., Binod Kafle, Bhuwan Bohara, Lal Bahadur Chhetri

Notice bibliographique

RevueInternational Journal of Horticulture · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueIrrigation Practices and Water Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlliumHorticultureMulchBiology

Résumé

récupéré en direct d'OpenAlex

Winter onion production in rainfed regions is constrained by the limited availability of soil moisture.Mulching has proven to be a viable tool to conserve soil moisture and enhance yield.A field experiment was conducted to evaluate the efficiency of different mulching methods on the performance of onion (Allium cepa L. var.Nasik Red N 53) concerning its yield and yield attributes during the winter season (Nov-March) at Lamahi-5, Dang.The experiment was laid out following a randomized complete block design (RCBD) with three replications and seven treatments.The treatments were T1: Control, T2: Saw Dust (1 kg), T3: Straw (1 kg), T4: Banana Leaves (1 kg), T5: Neem Leaves (1 kg), T6: White Polythene (30 µ), and T7: Rice Husk (1 kg).The onion variety Nasik Red was transplanted at a spacing of 20 cm by 10 cm.Biometrical parameters like plant height, and number. of leaves, length of leaves, neck thickness, neck length, and yield-attributing characters like shoot weight, bulb weight, bulb length, bulb diameter, root length, root weight and total yield were observed.The collected data were statistically analyzed for the best mulching materials using analysis of variance (ANOVA), and the separation of means for significant effects was by least significant difference (LSD) at the 5% level of probability.Among different mulching materials, white plastic mulch was best in terms of vegetative and phenological observations like plant height (64.8 cm) and number of leaves (11) at 100 DAT, while length of leaves (32.7 cm) was found to be significant at 60 DAT.White plastic mulching at 30µ was best in terms of yield and yield attributing characteristics like bulb diameter (7 mm), bulb weight (117.5 gm), and yield per plot (27 tons/ha).In the upcoming days, it would be a better idea to use this technique to reduce weeds, conserve moisture, and improve soil health, producing more yield.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,248
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of HorticultureMême sujetIrrigation Practices and Water ManagementTravaux en français237 207