Performance and Profitability of Released Climate-Smart Maize Varieties Under Increased Plant Densities
Notice bibliographique
Résumé
The study was conducted to; validate the genotypic performance of the popular climate-smart released maize varieties under increased plant densities in the three sub-ecologies (Mid-altitude, semi-arid, and tropical rain forest zones), which are important maize crop production belts and testing sites for new hybrids, and estimate the profitability of growing the varieties under optimum plant density in the different sub-ecologies. Seven popular varieties; MM3, Longe 6H, Longe 9H, Longe 10H, Bazooka, WE 3106, and FH5160 were tested for two seasons at four different spacing levels: 0.75 × 0.6 M (44,444 plants ha-1), 0.75 × 0.30 M (44,444 plants ha-1), 0.75 × 0.25 M (53,333 plants ha-1), and 0.5 × 0.3 M (66,667 plants ha-1). The varieties varied significantly for grain yield (GY) and ear aspect (EA) traits across the spacings and environments. Using the closest spacing (0.50 × 0.30 M) resulted in higher GY productivity and net profit in the testing sites. At optimal spacing, FH5160 was the most stable genotype for cultivation across the three sub-ecologies. All varieties exhibited superior genotypic performance for GY (7-12 t ha-1) and EA traits in the mid-altitude zone. Bazooka and Longe 10H were the best varieties for the tropical rainforest zone. While MM3, WE3106 and Bazooka were more suitable for semi-arid zone. Growing all the studied maize varieties in the mid-altitude sub-ecological zone is profitable, especially at optimal spacing.
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 ».