Optimizing Water Use Efficiency and Cabbage Yield Under Surface and Subsurface Drip Irrigation with Bio-fertilizer WSG
Notice bibliographique
Résumé
The current research aims to optimize water consumption in the cabbage crop to contribute to sustainable development in the agricultural sector.A field experiment was conducted in the Heet district, Anbar Governorate, during the autumn season of 2023-2024.The objective was to study the effects of irrigation deficit and bio-fertilizer application on the growth and yield of the cabbage crop under surface and subsurface irrigation systems.A split-split plot design with three replicates was used to distribute the experimental treatments.The main plots consisted of surface and subsurface drip irrigation treatments.The subplots included irrigation water levels, while the subsubplots involved the application of bio-fertilizer (WSG).The total water applied during the growing season was 345.6 mm and 172.8 mm/season for surface drip irrigation at 100% and 50% levels, respectively, and 232.7 mm and 116.35 mm/season for subsurface drip irrigation at the same respective levels.Subsurface drip irrigation at the 50% level with the addition of 10 kg/ha of bio-fertilizer resulted in the highest recorded values for yield (28.6 Mg/ha), field water use efficiency (36.58 kg/m ), plant height (34.93 cm), leaf area (267.33 dm ), and head diameter (23.6 cm).In contrast, surface drip irrigation at the 50% level without bio-fertilizer application recorded the lowest values for yield (7 Mg/ha), plant height (15 cm), leaf area (120.2 dm ), and head diameter (7 cm).The lowest water use efficiency was observed under surface drip irrigation at the 100% level without bio-fertilizer application, with a value of 5.18 kg/m .
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 | 0,001 |
| 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 ».