Effets de deux incorporations d'engrais verts sur le rendement et la nutrition en azote du blé (<i>Triticum </i> <i>aestivum</i> L.), ainsi que sur les propriétés physiques et biologiques du sol
Notice bibliographique
Résumé
The effects of two applications of green manures (1993 and 1995) on soil physical and biological properties, on wheat (Triticum aestivum L.) yields and N uptake were investigated in 1996 in a Le Bras loam (Humic Gleysol). The green manures as main factor were clover (Trifolium pratense L.), buckwheat (Fagapyrum esculentum L.), millet (Sorghum sudanensis L.), mustard (Brassica hirta Moench), colza (Brassica campestris L.) and a control without green manure. The sub-factors consisted of four N fertilizer rates for subsequent wheat: 0, 30, 60 and 90 kg N ha −1 . Green manure application significantly increased the soil water stable aggregates (MWD), and the > 0,25 mm fractions of water-stable aggregates (P < 0,05). Levels of soil microbial biomass, alcaline phosphatase and urease activities, and the N mineralization potential were also significantly increased by green manure treatments compared to the control. A 200 to 300% increase in wheat yields and N uptake were obtained, depending on green manure species, compared to the control. The results of this study provide quantitative evidence that wheat yields and N uptake increases were mainly due to N addition into soil and the improvement in soil physical and biological properties by green manure application. Key words: Green manure, wheat yields and N uptake, water stable aggregates, microbial biomass, N mineralization potential, soil enzymes
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 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 ».