Effects of organic matter on the rate of potassium adsorption by soils
Notice bibliographique
Résumé
Soil organic constituents may strongly affect the kinetics of soil chemical processes, including K exchange reactions. We investigated the influence of organic matter on the rate of K adsorption by selected soils (Ferric Ultisol, Orthic Ultisol and Vertisol) using a H2O2 treatment and a K ion-selective electrode technique. In the reaction period of 0–30 s, in which the adsorption was too fast for one to determine rate coefficients of K adsorption, the amount of K adsorbed by the untreated soils was 158–363 mg kg–1, compared with 0.5–47 mg kg–1 for the treated soils. In the reaction period of 30–120 s, K adsorption data based on the first-order kinetics show that rate coefficients of K adsorption by the untreated soils were 47 × 10–5 s–1 (Ferric Ultisol), 59 × 10–5 s–1 (Orthic Ultisol) and 61 × 10–5 s–1 (Vertisol); by contrast, after H2O2 treatment, the rate coefficients were 23 × 10–5 s–1 (Ferric Ultisol), 17 × 10–5 s–1 (Orthic Ultisol) and 42 × 10–5 s–1 (Vertisol). Similar treatment effects were observed for the reaction period of 120–600 s, though the difference in the rate coefficients between the treatments was not as great as that for the reaction period of 30–120 s. These results indicate that organic matter considerably promotes the initial fast rate of K adsorption and has more easily accessible adsorption sites for K compared with mineral constituents of the soils. Key words: Organic matter, kinetics, potassium adsorption, adsorption site, accessibility
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».