Growth Efficacy of Sorghum and Rice Amended with Dried Versus Composted Aquatic Vegetation
Notice bibliographique
Résumé
Aquatic vegetation is a potential source of organic matter and nutrients for crop production and soil sustainability. However, its high water content and presence of toxic compounds have been major deterrents for commercial application. This split-pot study evaluated the application of <em>Pistia stratiotes</em> (PS) (water lettuce) and <em>Lyngbya wollei</em> (LW) (filamentous cyanobacteria) to grow rice and sorghum. The aquatic vegetation was applied as dried and composted amendments on sandy (&lt;3% organic matter) and muck (&gt;80% organic matter) soils. A completely randomized split-pot design evaluated the effect of the amendments on root dry weight (RDW), shoot dry weight (SDW), and nutrient content of above ground biomass. The application of dried PS and LW on sandy soil produced larger and heavier sorghum shoots than those grown under composted treatments. Soil type was not a determinant factor of plant nutrient content: total Kjeldahl nitrogen, phosphorus, potassium and silicon. Shoot dry weight of rice grown on sandy soils was significantly greater than grown on muck soils using dried LW and composted LW treatments. The allelopathic effects of PS and LW were more pronounced on sandy soil compared to muck soil, indicating the potential application for using aquatic vegetation as a soil amendment on sandy soil in the future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».