The Scale and Complexity of Salinity Impacts on Sri Lankan Rice Farming Systems: Actionable Insights
Notice bibliographique
Résumé
Saline-affected rice (Oryza sativa L.) production environments in Sri Lanka can be divided into three categories including: late-season salinity in irrigated mega-cultivation environments during the minor cultivation season where soil EC ≥7 dSm−1, late season salinity in rain-fed farming systems in the west, southwest, and eastern coastal line during the minor cultivation season where soil EC ≥20 dSm−1, and early season salinity in selected irrigated and rain fed sites during major and minor cultivation seasons as a result of residual overload of salts that was not washed off due to inadequate rain. In the west and southern coast early season salinity salinity can exceed EC ≥12 dSm−1. The proposed zones of saline-afflicted production environments permit designing of target ideotypes and locally adapted rice varieties. Accordingly, high yielding, 3 to 3.5 months duration varieties that are tolerant at >7 dSm−1 are recommended for intensive irrigated farming systems affected due to late season salinity (panicle initiation stage of the crop, PI); high yielding, 2.5 to 3 months duration varieties can avoid late season salinity in intensive irrigated farming, and varieties tolerant up to EC = 12 to 20 dSm−1 throughout the crop life including seedling and PI stages can target saline affected, semi-subsistence rice cultivation in rain-fed systems. In fact, secondary salinization in local rice farming environments is resulting from interaction among multiple factors; therefore, system-level interventions are necessary to manage the impacts.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».