MétaCan
Menu
Retour à la cohorte
Enregistrement W4406946537 · doi:10.1016/j.jafr.2025.101632

Understanding the underlying factors of soybean yield variation from field-managed interventions in northern Nigeria: Meta-regression approaches

2025· article· en· W4406946537 sur OpenAlexfundno aff
Muhammad Rabiu Kabiru, Mohamed Hafidi, Jibrin Mohammed Jibrin, Martin Jemo

Notice bibliographique

RevueJournal of Agriculture and Food Research · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural pest management studies
Établissements canadiensnon disponible
Organismes subventionnairesOffice Chérifien des PhosphatesUniversité Mohammed VI PolytechniqueOntario College of Pharmacists
Mots-clésPsychological interventionYield (engineering)Variation (astronomy)Meta-regressionField (mathematics)RegressionRegression analysisEconometricsStatisticsPsychologyMathematicsMeta-analysisMedicine

Résumé

récupéré en direct d'OpenAlex

Soybean ( Glycine max , L.) is an important grain legume cultivated in northern Nigeria for human food, animal fodders and as a source of income. However, yield is often low and unpredictable, and our understanding of the factors explaining yield variability is limited. We examine the factors influencing soybean yield variability from field-managed interventions. A search using Web of Science, Google Scholar, and Scopus extracted studies on Rhizobia (Rh) inoculated and phosphorus (P) fertilizer or Rh × P combination treatments across three agroecological zones (AEZs): Sudan Savanna (SS), Northern Guinea Savanna (NGS), and Southern Guinea Savanna (SGS). The yield responses to management interventions and across AEZs were analyzed using effect size. Meta-regression models were used to fit yield change with various soil properties such as exchangeable potassium (K), nitrogen (N), and organic carbon (OC). The yield change was higher (39.1 ± 4.0 %) for the Rh × P combination than the Rh or P application. The NGS exhibited a lower yield change (23.1 ± 0.15 %) compared to SS (38.0 ± 0.2 %) and SGS (39.0 ± 0.2 %). The model identified a minimum soil exchangeable-K concentration of 0.54 cmol (+) kg −1 to increase yield under Rh and Rh × P treatments, while a minimum soil-N content of 1.50 g. kg −1 increased yield for the Rh and Rh × P interventions. The required OC content for significant yield responses ranged from 6 to 9 g kg −1 under the SGS agroecology. We discuss the impacts of soil OC and N levels on soybean yield variations, aiming to advance sustainable farming practices among smallholder farmers in Nigeria. • Systematic studies on the use of rhizobia (Rh) inoculants and P fertilizer in Nigeria are limited. • Meta-Regression models were used to analyze soybean yield responses to Rh, P, and Rh × P combination. • The yield increase was higher for the Rh × P treatment than for Rh inoculation or P treatment. • The soil organic carbon content needed for significant soybean yield responses is 6–9 g/kg −1 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,491
Tête enseignante GPT0,351
Écart entre enseignants0,140 · 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 tête enseignante, 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agriculture and Food ResearchMême sujetAgricultural pest management studiesTravaux en français237 207