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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».