Iron Oxide Nanoparticles as a Potential Iron Fertilizer for Peanut (Arachis hypogaea)
Notice bibliographique
Résumé
Nanomaterials are used in practically every aspect of modern life, including agriculture. The aim of this study was to evaluate the effectiveness of iron oxide nanoparticles (Fe2O3 NPs) as a fertilizer to replace traditional Fe fertilizers, which have various shortcomings. The effects of the Fe2O3 NPs and a chelated-Fe fertilizer (ethylenediaminetetraacetic acid-Fe; EDTA-Fe) fertilizer on the growth and development of peanut (Arachis hypogaea), a crop that is very sensitive to Fe deficiency, were studied in a pot experiment. The results showed that Fe2O3 NPs increased root length, plant height, biomass, and SPAD values of peanut plants. The Fe2O3 NPs promoted the growth of peanut by regulating phytohormone contents and antioxidant enzyme activity. The Fe contents in peanut plants with Fe2O3 NPs and EDTA-Fe treatments were higher than the control group. We used energy dispersive X-ray spectroscopy (EDS) to quantitatively analyze Fe in the soil. Peanut is usually cultivated in sandy soil, which is readily leached of fertilizers. However, the Fe2O3 NPs adsorbed onto sandy soil and improved the availability of Fe to the plants. Together, these results show that Fe2O3 NPs can replace traditional Fe fertilizers in the cultivation of peanut plants. To the best of our knowledge, this is the first research on the Fe2O3 NPs as the iron fertilizer.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».