Correlations between Phosphorus Fractions and Total Leachate Phosphorus from Cattle Manure– and Swine Manure–Amended Soil
Notice bibliographique
Résumé
Although many studies have examined the effect of different application rates of cattle manure, swine manure, and urea fertilizer on the distribution of phosphorus (P) fractions in soil, few studies have correlated P fractions in soil with inorganic P (Pi) and organic P (Po) in leachates. As part of a long-term field study, cattle and swine manures were applied to a loamy soil based on a nitrogen (N) content equivalent of 100 (low) and 400 (high) kg total N ha−1 yr−1 and were compared to urea fertilizer at 100 kg N ha−1 yr−1 and an unamended control soil. Readily available Pi [resin and sodium bicarbonate (NaHCO3)] was significantly greater in cattle manure– and swine manure–amended soil at a high application rate than in the control. With some exceptions, urea did not significantly affect P fractions in sequentially extracted P pools. Leaching of Pi and Po was at levels of environmental concern when cattle and swine manures were applied at the high application rate but not at the low application rate. Cattle manure had significantly greater concentrations of Pi and Po removed by leaching compared to swine manure, most likely because of its narrow N/P ratio and greater amount of P added. Positive correlations were observed between resin Pi and total leachate Pi and between NaHCO3-Pi and total leachate Pi, indicating the value of these measurements in predicting P mobility. The results suggest that a threshold (40 μg P g−1 of soil) must be exceeded before a positive correlation occurs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».