Efficiency Factors for Bark Substrates: Biostability, Aeration, or Phytotoxicity
Notice bibliographique
Résumé
In Quebec (Canada), approximately 3.5 million tons of bark are produced annually, most of which are burned or buried without being used or recycled, whereas they could be used as basic components in growing media. However, growing media made of fresh bark often inhibits plant growth due to high concentrations of phenols, terpenes, organic acids, and heavy metals or by creating physical barriers to gas exchange. Therefore, the objectives of this study were: first, to evaluate the phytotoxicity of barks from seven different tree species on lettuce ( Lactuca sativa L. ‘Grand Rapids’) germination and tomato ( Lycopersicon esculentum Mill. ‘Trust’) growth; and second, to identify the possible physical (aeration, water availability), chemical, or biochemical (heavy metal, phenol, terpene, and sugar concentrations) factors causing those reductions. Results show that bark origin affected both lettuce germination and tomato dry matter production. Best results were obtained with raw paper birch ( Betula papyrifera Marsh.; PB) bark, which outperformed the control (rockwool). Among bark substrate properties, air‐filled porosity (θ a ) was significantly correlated to shoot dry weight (SDW) and germination index (GI). Plant growth parameters were correlated most strongly to biological stability, and then to θ a , likely reflecting microbial competition for oxygen during the decomposition of organic matter. No relationships were found with terpenes, organic acids, or nutrient elements. These findings seemed to indicate that the apparent phytotoxicity of some barks could be explained by insufficient aeration in the substrate.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».