MétaCan
Menu
Retour à la cohorte
Enregistrement W4409718284 · doi:10.1016/j.fcr.2025.109916

Intercropping lablab with maize increases grain production and soil cover, and reduces pest pressure in Tanzania

2025· article· en· W4409718284 sur OpenAlexafffund
Sasha Loewen, Neil R. Miller, Michelle Carkner, Wilfred Mariki, Martin H. Entz

Notice bibliographique

RevueField Crops Research · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensBank of CanadaUniversity of Manitoba
Organismes subventionnairesJarislowsky FoundationNelson Mandela African Institution of Science and Technology
Mots-clésIntercroppingAgronomyTanzaniaCover cropAgroforestryEnvironmental scienceProduction (economics)Cover (algebra)PEST analysisBiologyHorticulture

Résumé

récupéré en direct d'OpenAlex

East African farmers and researchers are sharing a renewed interest in Lablab purpureus (L.) Sweet, a multipurpose leguminous cover crop. Lablab can produce food and fodder, fix nitrogen, scavenge resources, protect the soil, and tolerate drought. To capitalize on its potential, lablab requires more research into its basic agronomy, particularly under intercropping situations in which it is usually grown by small-holder farmers in East Africa. The study aimed to understand the effects of lablab-maize intercropping through three measured ecosystem services: 1) grain production of lablab and maize, assessed in yield and land equivalent ratio; 2) late season soil cover of living plant material; and 3) major lablab insect pests: pod boring caterpillars ( Maruca vitrata, Helicoverpa armigera, Etiella zinckenella ) and pod sucking coreid bugs ( Riptortus pedestris, Clavigralla tomentosicollis ). In this study, lablab was intercropped with maize across two agro-ecozones in northern Tanzania over three years. Yield data was collected from both crop species, while late season soil cover and insect pressure focused on lablab. A simple economic analysis examined net return of sole and intercropping as a response to the costs of seed and harvesting. Over the six environments, intercropping reduced lablab grain yields by 35 % (p = 0.009); intercropping reduced maize yields marginally though this was not found to be significant (p = 0.087). The land equivalent ratio of maize and lablab, ranged from 1.36 to 1.96 across environments. Under adequate moisture conditions lablab grown with maize produced 58 % more late season ground cover than when lablab was sole cropped (p = 0.039), whereas in the driest environments, the opposite trend was observed (p = 0.011). The number of pod boring caterpillars (p = 0.052) and pod sucking coreid bugs (p < 0.001) were reduced by 34 % and 57 % respectively by intercropping. Intercropping produced a higher net return than sole cropping lablab or maize. These results demonstrate the diverse benefits of growing maize with lablab allowing for greater food production, increased soil protection, and reduced pest pressure. Of particular importance was the negligible effect of lablab grown with maize, on maize grain yield, highlighting that the detractions of intercropping in smallholder agriculture are outweighed by the advantages. Continued lablab research to identify best agronomic practices and new cultivars will encourage its adoption and help East African farmers diversify and strengthen their cropping systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,033
Tête enseignante GPT0,302
Écart entre enseignants0,269 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueField Crops ResearchMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207