Silicon Release from Local Materials in Indonesia under Submerged Condition
Notice bibliographique
Résumé
Five inorganic materials (steel slag, silica gel, electric furnace slag, fly ash and Japanese silica fertilizer) and six organic materials (rice husk-biochar, rice straw compost, media of mushroom, cacao shell-biochar, rice husk-ash and elephant grass), were evaluated as Si fertilizer sources for rice plants (Oryza sativa L.) in two soil types (red clayey and sandy soil). Evaluation was carried out by incubating them at 30oC under submerged condition for 70 days. The soil solution was replaced at day 7, 14, 21, 42, 49, 56, 63 and 70 and the amount of silicon (Si) release, pH, Eh, calcium (Ca), magnesium (Mg), iron (Fe) and manganese (Mn) concentrations in soil solutions were determined. The amount of Si release ranged from n.d. (not detected)-32444.7 mg Si kg-1 and 105.84-48524.0 mg Si kg-1 in red clayey and sandy soil solutions, respectively during 70 days of incubation. Reduction in soil Eh was accompanied with an increase in the solubility of the soil Si especially for silica gel, electric furnace slag, elephant grass and media of mushroom. Higher exchangeable Ca content in soil tended to suppress Si release from rice straw compost, rice husk-ash and cacao shell-biochar. Considering the results of present study and availability of the materials, we concluded that steel slag of the inorganic materials and rice straw/husk and cacao shell-biochar of organic materials had the highest potential as Si fertilizer source in Indonesia.
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) | 0,001 | 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 ».