How different long‐term fertilization strategies influence crop yield and soil properties in a maize field in the North China Plain
Notice bibliographique
Résumé
Abstract The impact of fertilization on maize ( Zea mays L.) yield and soil properties was investigated in a long‐term (> 18 y) experimental field in N China. A completely randomized block design with seven fertilizer treatments and four replications was used. The seven fertilizer treatments were (1) compost (COMP), (2) half compost plus half chemical fertilizer (COMP1/2), (3) balanced NPK fertilizer (NPK), (4–6) unbalanced chemical fertilizers without one of the major elements (NP, PK, and NK), and (7) an unamended control (CK). In addition to maize yield, soil chemical and biological properties were investigated. Compared to the balanced NPK treatment, maize yield from the COMP treatment was 7.9% higher, from the COMP1/2 was similar, but from the NP, PK, NK, and CK treatment were 12.4%, 59.9%, 78.6%, and 75.7% lower. Across the growing season, microbial biomass C and N contents, basal soil respiration, and fluorescein diacetate hydrolysis, dehydrogenase, urease, and invertase activities in the COMP and COMP1/2 treatments were 7%–203% higher than the NPK treatment. Values from all other treatments were up to 60% lower than the NPK treatment. Maize yield is closely related to the soil organic C (OC) and biological properties, and the OC is closely related to various biological properties, indicating that OC is a suitable indicator for soil quality. Our results suggest the most limiting nutrient for improving the yield or soil quality was P, followed by N and K, and balanced fertilization is important in maintaining high crop yield and soil quality. Additionally, increases in OC, N, and biological activities in COMP and COMP1/2 treatments imply that organic compost is superior to the chemical fertilizers tested.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».