Enhancing Hot Pepper Agronomic Performance Under Rainfed Conditions Through Organo-Mineral Fertilization in Senegal
Notice bibliographique
Résumé
Capsicum (Capsicum spp.), commonly known as pepper, is highly sensitive to climate change. It is an important vegetable and spice crop cultivated worldwide for its di-verse uses, including fresh consumption. In Senegal, it plays a crucial role in both household nutrition and income generation. This study aimed to enhance hot pepper agronomic performance through adaptable, high-yielding technologies in the Tambacounda and Sedhiou regions of eastern and southern Senegal. Five treatments were tested: Absolute Control (T1), Farmer Practice (T2), Microdose fertilizer (T3), Micro-dose + Compost (T4), and Microdose + Compost + Mulching (T5). Trials were conduct-ed in 2025 at the Tambacounda Agriculture Research Center (CRAT) and Ziguinchor Agriculture Research Center, Djibelor, under both rainfed and supplemental irrigation systems, using a randomized complete block design with three replications. Results revealed significant treatment and site differences. At CRAT, T5 (Microdose + Compost + Mulching) achieved the highest yield of 31.6 t/ha, while the lowest was 10.1 t/ha. In Djibelor, overall yields were lower, not exceeding 2 t/ha across treatments. The findings demonstrate that integrated fertilization with compost and mulching substantially improves hot pepper productivity, with outcomes strongly dependent on site-specific ecological conditions. Promoting this practice as a bundled package in Tambacounda and similar agroecological zones could enhance yields and strengthen smallholder farmers’ socio-economic resilience amid changing weather.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».