Spatial analysis of oil palm growth and soil properties in a plantation in Nigeria
Notice bibliographique
Résumé
Relationships between spatially correlated soil properties and crop performance at field scale are vital when planning specific site management for sustainable crop production. This study investigated the correlations and relationships between some soil properties and oil palm trunk diameter at breast height (DBH) at the Oil Palm Plantation, Teaching and Research Farm, Ekiti State University, Ado Ekiti, southwest Nigeria. Soil samples were collected from 0 to 10 cm surface layer at 81 georeferenced points within the plantation to determine soil properties and oil palm trunk DBH. The soil properties and trunk DBH varied widely with particle density, soil pH, bulk density, and field capacity showing least variability (coefficient of variation (CV) < 12%), oil palm trunk DBH, soil organic matter, air capacity, soil texture, soil water content, permanent wilting point, total porosity, and available water showed moderate variability (12.0% < CV < 60.0%), while saturated hydraulic conductivity was highly variable (CV > 60%). Classical linear multiple regression showed that the sand, soil pH, and bulk density could only explain 16% of the variability in DBH, whereas the principal component regression analysis had explained about 72% of the variability in DBH. The minimum suitable sampling interval for spatially independent variables was 10 m (1 lag), while it was the sampling point (0 lag) for spatially dependent variables. The results could be used as baseline data for delineating soil and nutrient management zones for the oil palm plantation and other crops in the study area.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».