Phosphorus Over-Fertilization and Nutrient Misbalance of Irrigated Tomato Crops in Brazil
Notice bibliographique
Résumé
Over the past 20 years, the use of center-pivot irrigation has increased tomato (Solanum lycopersicum L.) yields in Brazil from 42 Mg ha-1 to more than 80 Mg ha-1. In the absence of field trials to support fertilizer recommendations, substantial amounts of phosphorus (P) have been applied to crops. Additional P dosing has been based on an equilibrated nutrient P budget adjusted for low-P fertilizer-use efficiency in high-P fixing tropical soils. To document nutrient requirements and prevent over-fertilization, tissue samples and crop yield data can be acquired through crop surveys and fertilizer trials. Nevertheless, most tissue diagnostic methods pose numerical difficulties that can be avoided by using the nutrient balance concept. The objectives of this study were to model the response of irrigated tomato crops to P fertilization in low- and high-P soils and to provide tissue diagnostic models for high crop yield. Three P trials, arranged in a randomized block design with six P treatments (0–437 kg P ha-1) and three or four replications, were established on a low-P soil in 2013 and high-P soils in 2013 and 2014, totaling 66 plots in all. Together with crop yield data, 65 tissue samples were collected from tomato farms. We found no significant yield response to P fertilization, despite large differences in soil-test P (coefficient of variation, 24%). High- and low-yield classes (cutoff: 91 Mg fruits ha-1) were classified by balance models with 78% to 81% accuracy using logit and Cate–Nelson partitioning models. The critical Mahalanobis distance for the partition was 5.31. Tomato yields were apparently not limited by P but were limited by calcium. There was no evidence that P fertilization should differ between center-pivot-irrigated and rain-fed crops. Use of the P budget method to arrive at the P requirement for tomato crops proved to be fallacious, as several nutrients should be rebalanced in Brazilian tomato cropping systems.
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 | 0,001 |
| 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 ».