Cattle manure and lime amendments to improve crop production of acidic soils in Northern Alberta
Notice bibliographique
Résumé
Crop production on acid soils can be improved greatly by adjusting the pH to near neutrality. Although soil acidity is commonly corrected by liming, there is evidence that animal manure amendments can increase the pH of acid soils. Fresh cattle manure and agricultural lime were compared for their effects on soil acidity and the production of canola (Brassica napus L.) and wheat (Triticum aestivum L.) in a greenhouse study. Canola and wheat yield, the nutrient content of grain and straw, and selected soil properties were determined on a Gray Luvisol (pH 4.8) from the Peace Region of Alberta. Soil pH increased with lime and manure applications, and canola and wheat yields were higher in limed and manure-amended soils than unfertilized, unlimed soils. Macronutrient uptake by canola and wheat was generally improved by liming and manure applications, and micronutrient uptake was related to the effects of lime and manure on soil pH. An economic analysis compared the costs of using cattle manure and lime to increase soil pH to 6.0. The costs of applying lime and fresh cattle manure to increase soil pH were compared, based on the fees for purchasing and applying lime or loading, hauling and applying manure. The nutrient value of manure was calculated based on the quantities of plant-available N, P and K in fresh manure. At distances less than 40 km, it is economical to substitute fresh cattle manure for agricultural lime to increase soil pH of acidic soils. However, good manure management practices should be followed to minimize the risk of nutrient transport and environmental pollution from agricultural land amended with cattle manure. Key words: Agricultural economics, canola production, cattle manure, lime, soil pH, wheat prodution
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».