Long‐term fertilization impacts on corn yields and soil organic matter on a clay‐loam soil in Northeast China
Notice bibliographique
Résumé
Abstract A long‐term fertilization experiment with monoculture corn ( Zea mays L.) was established in 1980 on a clay‐loam soil (Black Soil in Chinese Soil Classification and Typic Halpudoll in USDA Soil Taxonomy) at Gongzhuling, Jilin Province, China. The experiment aimed to study the sustainability of grain‐corn production on this soil type with eight different nitrogen (N)‐, phosphorus (P)‐, and potassium (K)–mineral fertilizer combinations and three levels (0, 30, and 60 Mg ha –1 y –1 ) of farmyard manure (FYM). On average, FYM additions produced higher grain yields (7.78 and 8.03 Mg ha –1 ) compared to the FYM0 (no farmyard application) treatments (5.67 Mg ha –1 ). The application of N fertilizer (solely or in various combinations with P and K) in the FYM0 treatment resulted in substantial grain‐yield increases compared to the FYM0 control treatment (3.56 Mg ha –1 ). However, the use of NP or NK did not yield in any significant additional effect on the corn yield compared to the use of N alone. The treatments involving P, K, and PK fertilizers resulted in an average 24% increase in yield over the FYM0 control. Over all FYM treatments, the effect of fertilization on corn yield was NPK > NP = NK = N > PK = P > K = control. Farmyard‐manure additions for 25 y increased soil organic‐matter (SOM) content by 3.8 g kg –1 (13.6%) in the FYM1 treatments and by 7.8 g kg –1 (27.8%) in the FYM2 treatments, compared to a 3.2 g kg –1 decrease (11.4%) in the FYM0 treatments. Overall, the results suggest that mineral fertilizers can maintain high yields, but a combination of mineral fertilizers plus farmyard manure are needed to enhance soil organic‐matter levels in this soil type.
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 | 0,000 |
| 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 ».