Biosolids from Treated Swine Manure and Papermill Residues Affect Corn Fertilizer Value
Notice bibliographique
Résumé
Biosolids derived from treatment of animal manure or industrial effluents can be used on farms, but their fertilizer value must be assessed. A 3‐yr field study was conducted on a clay soil in Quebec, Canada, to evaluate the effect of several biosolids on silage corn dry matter (DM) yield; N‐use efficiency; and soil N, P, Cu, and Zn availability. Raw liquid swine ( Sus scrofa ) manure (LSM), biosolids from four swine manure treatments (aerobic digestion [AER], anaerobic digestion [DIG], filtration [FIL], anaerobic digestion followed by chemical flocculation [DIG+FLO]), combined papermill biosolids (CPB), de‐inking paper biosolids (DPB), and mineral N fertilizer (MIN) were applied before corn planting at a targeted rate of 150 kg total N ha −1 . The DIG and DIG+FLO biosolids resulted in silage corn DM yield, N accumulation, and early season soil N availability comparable to LSM with an N‐use efficiency about 70% of that for MIN. The AER biosolid resulted in low DM yield with an N‐use efficiency only 10% of that for MIN; FIL and CPB had an N‐use efficiency almost 40% of that for MIN, whereas DPB caused a decline in DM yield compared to a no‐N control. The LSM‐derived biosolids increased availability of soil P (0.34 kg kg −1 excess P) and, to some extent, Cu and Zn. The CPB and DPB biosolids had little impact on soil P, but DPB markedly increased Zn availability. Manure‐derived biosolids and CPB were satisfactory N sources for silage corn while manure‐derived biosolids caused soil P enrichment when applied based on crop N requirement.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».