Influence of Nutrient-Rich Waters on Length and Weight of the Body of Indian Major Carp Labeo rohita (Hamilton)
Notice bibliographique
Résumé
Growth is a fundamental biological process influenced by various environmental and nutritional factors. Environmental factors, specifically water quality and nutrient availability, significantly impact the growth performance of Labeo rohita (Rohu), a species of freshwater fish commonly cultivated in India. This study examines how the growth rate of Labeo rohita at three developmental stages—fry, fingerling, and adult—is affected by various nutrient-based water sources, including canal water, bore water, and mixed water (bore water mixed with black cotton soil). Over a specified period, growth was measured regarding wet weight gained (WWG%) and total length gained (TLG%). According to the results, mixed water significantly accelerated growth at every stage: TLG increased by 30% in fry, 32% in fingerlings, and 7.5% in adults. In contrast, bore water showed significantly negative deviations in TLG% and the least growth across all stages. The improved performance in mixed water indicates that adding black cotton soil enhances the nutrient content, potentially adding organic matter and vital minerals that support fish growth. Despite being widely used in aquaculture, bore water may not contain these nutrients, limiting the growth potential. Furthermore, the study aligns with nutritional principles, indicating that proteins and fats are the primary energy sources for fish, while carbohydrates play a minimal role when the former are sufficiently available.Overall, this study highlights how crucial it is to optimize the nutrient composition and water quality in aquaculture systems to increase fish productivity. Incorporating soil-based amendments, like black cotton soil, into water sources could enhance carp farming growth results and, eventually, promote sustainable aquaculture methods.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».