Performance Evaluation of Different Varieties of Okra (<i>Abelmoschus esculentus</i> L.) in Pyuthan District, Nepal
Notice bibliographique
Résumé
Yield analysis is an effective way to understand the overall performance of the different varieties of okra.For this, an experiment was conducted to evaluate the performance of different varieties of okra in the Pyuthan district within the vegetable zone of PMAMP Pyuthan from 29 March to 15 July 2023.An experiment was conducted during the summer season under open field conditions to assess the varietal performance of different okra genotypes.The experimental plot was laid out in a single factorial randomized complete block design (RCBD) with four replications.The experiment comprised five treatments, i.e., Arka Anamika, Rukmani, Raja F1, Special-45, and Arzine hybrid).To evaluate the performance of different varieties, morphological parameter, and yield parameter data were collected at separate time intervals, and further analysis was done using GenStat software.The experiment illustrates that the average mean yield of the five varieties was 65.75 g per plant.Overall, it was further revealed that the Rukmani varieties give the highest average yield (79.50 g), followed by Arka Anamika (76.25 g).The lowest yield was recorded in Raja F1 and Special-45 (52 g).Similarly, other parameters were also analyzed simultaneously to check the yield attributing factor, which revealed that plant average maximum height was observed in Rukmani (29.44 cm) at all growth stages, followed by Arzine (27.59 cm), Arka Anamika (26.21 cm), and Raja F1 (20.74 cm).Moreover, the number of primary branches was highest in Arzine (3) followed by Rukmani (2), Special-45(2), and Arka Anamika (2).Furthermore, the number of pods per plant was most significant in the Rukmani variety (6) and Arka Anamika (6).The study showed that the Arka Anamika was found in pod diameter (5.83 cm) among the other four varieties where the maximum pod length was recorded in the Rukmani variety (14.08 cm) followed by Arka Anamika.The pod weight was highest in Rukmani (14.50 g) and Arzine (14.50 g).Data revealed from the experiment showed that the Rukmani variety gave more yield per plant,and showed higher pod weight, pod per plant which are slight differences from Arka Anamika.From the field research, it can be concluded that Rukmani and Arka Anamika is a good varieties in terms of yield performance and more economical to the farmers who have growing okra in Pyuthan, Nepal.
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 | 0,000 | 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 ».