Effect of Different Mulching Materials on Growth and Yield Attributing Characters of Summer Squash in Kanchanpur District
Notice bibliographique
Résumé
Mulching in the vegetable crop helps to conserve moisture, regulate temperature, avoid surface compaction, reduce runoff and erosion, improve soil structure, and manage weeds. To study the effect of different mulching materials on growth and yield attributing characters of summer squash, a field experiment was conducted at Kanchanpur district on summer squash during the summer season of 2023. The experiment was laid out in single factor Randomized Complete Block Design (RCBD) design with 4 replications and 5 treatments namely T1: control, T2: Plastic Mulching (silver on black plastic, black on top, silver on bottom), T3: rice straw, T4: sawdust and T5: mustard hulls in an area of 300m2. “F1 Dollar plus” variety was used for the research. Growth and yield characteristics of summer squash were seen better with mulching and provided better results. The effect of different mulching materials on growth and yield attributing characters were found statistically significant except non-significant in a number of leaves at 15DAS. Plant height, number of leaves, and plant spreading were seen highest in treatment T2 and lowest in treatment T1 at 15DAS, 30DAS, 45DAS, and 60DAS. The moisture percentage is retained highest in treatment T3 and the lowest was recorded in treatment T1. The number of fruits per plant, fruit length, yield per plant, and yield were recorded as highest in T2 and lowest in T1. Yield was more than 3 times in treatment T2 and more than double in treatment T3 than in treatment T1. The findings of this research suggest plastic mulching especially silver on black plastic is a better tool for the production of summer squash in the research area compared to non-mulch conditions.
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 | 0,000 | 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 ».