Optimizing Foliar Iron Application: Effects of Rate and Frequency on Maize Growth, Yield and Grain Quality
Notice bibliographique
Résumé
A field experiment was conducted at the Micronutrient Research Farm, Anand Agricultural University, Anand, Gujarat, India to evaluate the influence of foliar iron (Fe) application at varying rates and frequencies on the growth, yield, and quality of maize. The study comprised nine treatments arranged in a Randomized Block Design with three replications. The results revealed that foliar application of iron significantly affected cob length, the number of cobs per plant, and the grain and stover yields of maize. The treatment comprising recommended dose of fertilizer (RDF) + 0.75% FeSO4 (two sprays at 25 and 50 days after sowing (DAS)) recorded the highest grain yield (3846 kg ha-1;) and stover yield (7543 kg ha-1), showing a significant improvement over the control. The Fe and sulphur (S) content were measured in maize leaves one week after the first and second foliar sprays, and also in the grain and stover at harvest. The treatment RDF + 1.00% FeSO4 (two sprays at 25 and 50 DAS) resulted in significantly higher Fe and S content in maize leaves after both sprays. Similarly, Fe and S uptake by maize grain and stover were significantly influenced by foliar Fe application, with the highest uptake observed under the RDF + 1.00% FeSO4 (two sprays) treatment. These findings highlight the dual benefit of foliar Fe application in improving not only maize productivity but also its nutritional quality.
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) | 0,000 | 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) | 0,000 | 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 ».