Phosphorus Sources and Rates Associated with Nitrogen Fertilization in Mombasa Grass Yield
Notice bibliographique
Résumé
Nitrogen (N) and phosphorus (P) deficiency is one of the important causes of degradation of cultivated pasture under tropical conditions. The aim of this study was to evaluate phosphate rates and sources, and N rates on the concentration and uptake of N and P, and shoot dry mass (SDM) yield of Megathyrsus maximum grass cv Mombasa in an Ultisol. The trial was carried out in a greenhouse in pots with 4.0 dm−3 of soil. The experiment was arranged in a completely randomized design with four replicates. The 3 × 3 × 3 factorial treatments consisted of phosphorus sources [reactive rock phosphate from Morocco (RPM), reactive rock phosphate from Algeria (RPA) and triple superphosphate (TSP)], three phosphorus rates (0, 150, and 300 mg kg−1), and three N rates (0, 250, and 500 mg kg−1). The SDM and tillering of Mombasa grass were significantly influenced with the TSP, RPM, and RPA application associated with N fertilization. The RPM, RPA, and TSP met the nutritional demands of Mombasa grass. The three P sources showed the same effect on the total N uptake by Mombasa grass. The P use efficiency (PUE) when fertilizer-P sources were added alone by Mombasa grass was <12% of the added P, and PUE decreased as follows: TSP > RPA > RPM. When P and N-fertilizer were added together, the fertilizer-N use efficiency (NUE) was 62%. The reactive phosphate (RPM and RPA) is an efficient P sources for Mombasa grass, but requiring higher rate of application compared to TSP source.
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 | 0,000 | 0,001 |
| 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 ».