MétaCan
Menu
Retour à la cohorte
Enregistrement W2116494898 · doi:10.5539/jas.v7n12p72

Wood Ash Improved Soil Properties and Crop Yield for Nine Years and Saved Fertilizer

2015· article· en· W2116494898 sur OpenAlexfundvenueaboutno aff
K. S. Gill, S. S. Malhi, Newton Z. Lupwayi

Notice bibliographique

RevueJournal of Agricultural Science · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of Alberta
Mots-clésWood ashFertilizerNutrientPhosphorusAnimal scienceNitrogenCropChemistryAgronomyEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Wood ash may be used to mitigate soil acidity and improve crop production. We compared effects of wood ash and recommended fertilizers on soil properties of a Gray Luivsol, crop yields and contribution margins in southeast Peace, Alberta, Canada. The CHK (no fertilizer, inoculation or wood ash), FRT (recommended fertilizers or inoculation), ASH (wood ash rate to supply amounts of phosphorus equivalent to the FRT treatment); and ASH+N (same as ASH + N fertilizer or inoculation) treatments were applied in 2006 and 2007. Their effects were studied from 2006 to 2014. Wood ash had all the essential plant nutrients, except nitrogen. Soil samples collected in 2007, 2008 and 2013 had or tended to have higher pH, P, K, Ca, Ca:Mg ratio, S, Cu, Zn and B levels for the ASH and ASH+N treatments than the CHK and FRT treatments. In the 2006 and 2007, the seed yields were ASH+N > FRT > ASH > CHK. The seed yields in 2008, 2010, 2012, 2013 and 2014 were greater from both the wood ash treatments than other treatments. Extra contribution margin from the ASH+N over the FRT treatment was $751/ha, i.e. $97 Mg-1 of applied wood ash. Overall, wood ash reduced fertilizer expenditure and improved seed yield, contribution margin and soil properties, with residual effects observed up to seven years and likely for few more years.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,222
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207