Soil microbial biomass, functional diversity and crop yields following application of cattle manure, hog manure and inorganic fertilizers
Notice bibliographique
Résumé
Soil biological properties can be significantly impacted by land management. Cattle manure, hog manure or inorganic fertilizers were applied annually or triennially in field trials conducted at two sites over 3 yr. A control treatment without manure or fertilizer was also included. Canola (Brassica napus) was grown in year 1, hulless barley (Hordeum vulgare) in year 2, and wheat (Triticum aestivum) in year 3. Where effects were significant, cattle manure increased soil microbial biomass C (MBC) by 26% to three-fold, hog manure by 31% to two-fold, and inorganic fertilizers reduced MBC by 20–64%. Similar effects, except the reduction by inorganic fertilizers, were observed for functional diversity of soil bacteria (Shannon index, H′ ). At one site, where crop yields were recorded for 3 yr, hog manure produced greater grain yields (75% increase over the control) than the rest of the treatments (49% increase by cattle manure) in year 1, but cattle manure out-yielded other treatments thereafter, when it increased yields by 25–50%. Cattle manure out-yielded other treatments even when nutrient uptake from inorganic fertilizers was the highest, implying that other factors also influenced crop yields. At the other site, crop yields were recorded only in year 1, and all soil amendments increased canola yields about three-fold relative to the control. Frequency of application usually had no effects on MBC or H′, but the triennial application rate of inorganic fertilizers or hog manure produced lower crop yields than annual applications in year 1. Key words: Functional diversity, Gray Luvisol, manure quality, NPK fertilizers, soil microbial communities
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 | 0,000 | 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 | 0,001 | 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 ».