MétaCan
Menu
Retour à la cohorte
Enregistrement W4412809225 · doi:10.3126/jjmc2.v1i1.81452

Effect of Foliar Application of Plant Growth Regulators on Growth, Flowering and Yield of Tomato (Lycopersicon Esculentum l.) Under Protected Condition

2025· article· en· W4412809225 sur OpenAlexaff
Basant Raj Bhattarai, Louish Rijal, Prabha Khanal

Notice bibliographique

RevueJournal of Jayaprithvi Multiple Campus · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésLycopersiconYield (engineering)Plant growthHorticultureBiologyAgronomyPhysics

Résumé

récupéré en direct d'OpenAlex

A field experiment was carried out under greenhouse to assess the performance of tomato cv. Srijana as influenced by sole application of GA3 and NAA during the summer season of 2021–2022 at the horticulture farm of the school of agriculture, Tikapur, Kailali, Nepal. The seven different treatments consisted of two plant growth regulators each having three concentrations was used viz., T1 (GA3 @ 25 ppm), T2 (GA3 @ 50 ppm), T3 (GA3 @ 75 ppm), T4 (NAA @ 20 ppm), T5 (NAA @ 40 ppm), T6 (NAA @ 60 ppm) and T7 (Control: water spray). Treatments were replicated thrice in the single factorial randomized complete block design (RCBD). Max/min, temperature/humidity was measured 30 °C/13 °C, 87%/60%. The results revealed that the treatment T1 (GA3 25 ppm) had a significant effect on growth and flowering parameters mainly plant height, leaf length, leaf width, leaf area meter, number of flower clusters per plant, number of clusters per plant, number of flower per cluster, number of fruit per cluster, number of fruit per plant and number of fruit set per plant. Similarly, a significantly higher yield (60.83 ton/ha) of tomato was attained with GA3 @ 25 ppm. It could be suggested that the production of tomatoes could be improved by the sole application of GA3 @ 20 ppm under the controlled condition of Kailali, 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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,200 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Jayaprithvi Multiple CampusMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207