Productivity, water use and economics as influenced by irrigation scheduling and fertilizer management practices in Broccoli (Brassica oleracea L.) under drip irrigation
Notice bibliographique
Résumé
A field experiment was conducted during winter seasons of 2018-19 and 2019-20 at SKUAST-Jammu to study the effect of different irrigation schedules and fertilizer management on productivity, water use and economics in Broccoli. The experiment was laid out in strip plot design with three replications. The treatments comprised of three drip irrigation schedules in vertical strips viz., drip irrigation at 100% ETc; drip irrigation at 75% ETc and drip irrigation at 50% ETc and four fertilizer management practices in horizontal strips viz., 100% RFD of NPK as solid fertilizer; 75% RFD of NPK as solid fertilizer + 25% through liquid fertilizers; 50% RFD of NPK as solid fertilizer + 50% through liquid fertilizers and 25% RFD of NPK as solid fertilizer + 75% through liquid fertilizers and control was IW / CPE=1.0 with RDF as solid fertilizer. Results showed that drip irrigation at 100% ETc in broccoli provided significantly higher yield and saved 13.08% irrigation water over control. Likewise, in sub plots (horizontal strips) application of 50% RFD of NPK as solid fertilizer + 50% through liquid fertilizers using liquid fertilizers recorded significantly higher curd yield in broccoli. This treatment increased curd yield of broccoli by 26.34% over control. The drip irrigation water was saved to the tune of 13.08, 32.25 and 51.40%, respectively under 100% ETc, 75% ETc and 50% ETc irrigation schedules over Control (IW/CPE=1.0). The net returns were highest in the treatment 100% ETc alongwith 50% RFD of NPK as solid fertilizer + 50% through fertigation (Rs. 4,61,341.50) and lowest in control (Rs. 2,31,313.00) whereas the benefit: cost ratio under respective treatments was 4.59 and 2.90.
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 | 0,002 |
| 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 ».