Temporal Effects of Biochar and Dairy Manure on Physicochemical Properties of Podzol: Case from a Silage-Corn Production Trial in Boreal Climate
Notice bibliographique
Résumé
A field experiment was conducted to evaluate the effects of biochar and dairy manure (DM) on physicochemical properties of podzolic soils, as well as to establish the relationships between selected physicochemical properties and soil electrical conductivity (EC) in a silage-corn production system. Nutrient requirements of the crop were met through different nutrient sources considering soil nutrient status, nutrient availability from DM (DM, DM + biochar) and regional crop nutrient recommendations. Experimental treatments included control, inorganic nitrogen (IN), IN + biochar, IN + DM, and IN + DM + biochar. DM was applied at 30,000 L ha−1, whereas biochar was applied at 20 Mg ha−1 and mixed within the top 20 cm of the soil. Disturbed soil samples as well as time domain reflectometry (TDR) measurements were collected from treatment plots on four field days. Results showed no significant (p > 0.05) treatment effects on soil pH and cation exchange capacity (CEC) within each field day. However, significant temporal effects were recorded for pH, EC, apparent electrical conductivity (ECa) and electrical conductivity of the soil solution (ECw). Soil depth (0–10 cm and 10–20 cm) had no significant effect on treatments. Significant positive correlations were recorded for EC with soil organic carbon and CEC (ECa, ECw 0–10 cm, & 10–20 cm, p = 0.000). Correlation results show that ECa measurements as a proxy to investigate the variability of key soil properties over large areas, but further investigation between ECa data and soil properties should be carried out to address uncertainties associated in predicting these properties.
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) | 0,000 | 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 ».