Relating Crop Productivity to Soil Microbial Properties in Acid Soil Treated with Cattle Manure
Notice bibliographique
Résumé
Cattle ( Bos taurus ) manure can be used to correct soil acidity, supply plant nutrients, and increase soil organic matter. It usually affects soil microbial properties and crop production, but the relationship between the two effects is not always demonstrated. In a 4‐yr study in which barley ( Hordeum vulgare L.) was rotated with canola ( Brassica rapa L.) on an acid soil, we investigated the effects of cattle manure on soil microbial characteristics and related them to other soil properties and crop productivity. The treatments were: (i) Control (no treatments), (ii) nitrogen and phosphorus fertilizer applied annually (NP), (iii) Lime (applied once) + nitrogen and phosphorus applied annually (Lime+NP), (iv) fresh manure applied once at 80 t ha −1 (Manure80), and (v) manure applied once at 160 t ha −1 (Manure160). The treatment order in microbial biomass carbon (MBC) was: NP ≤ Control ≤ Lime+NP < Manure80 < Manure160. Manure160 increased MBC by 34 to 150% in bulk soil, and by 49 to 117% in crop rhizosphere. Microbial activity ranged from 10.80 to 27.55 µg CO 2 –C m −2 d −1 and was in the order: Control = Lime+NP ≤ Manure160 ≤ NP ≤ Manure80. Bacterial community structures differed between manure treatments and non‐manure treatments. There were positive correlations of soil microbial characteristics with soil nutrient contents or crop nutrient uptake, and negative correlations with soil Mn and Na. The positive correlations sometimes translated into positive correlations with crop yields, and they underscore the crucial role of soil microorganisms in nutrient cycling.
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 | 0,000 | 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 ».