Amino Acids, Mineral Nutrients, and Efficacy of Vermicompost and Seafood and Municipal Solid Wastes Composts
Notice bibliographique
Résumé
Growing medium amino acids and mineral nutrients stimulate rhizosphere activities and plant growth. A greenhouse experiment was performed to compare amino acid and mineral nutrient profiles of seafood waste compost (SFWC) and municipal solid waste compost (MSWC) and vermicompost (VC). Their efficacies were also tested on onion ( Allium cepa L. “Sweet Utah”). The control was Promix-BX™ alone. The MSWC, SFWC, and VC were composed of total of 36.4, 48.3, and 67.5 mg amino acids/100 g dry weight, respectively. Glutamic acid, aspartic acid, and glycine were the highest while methionine, histamine, and cysteine were the least in all the amendments. The VC had the highest Ca content but the least P and K contents. SFWC had the highest content of P and K and most of the determined micronutrients. The MSWC had significantly (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>P</mml:mi><mml:mo><</mml:mo><mml:mn fontstyle="italic">0.05</mml:mn></mml:math>) the highest N and leaf chlorophyll contents followed by the VC. The MSWC significantly (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mi>P</mml:mi><mml:mo><</mml:mo><mml:mn fontstyle="italic">0.05</mml:mn></mml:math>) increased anthocyanin content while the control recorded the least. The maximum quantum yield of photosystem II (Fv/Fm) and the potential photosynthetic capacity (Fv/Fo) were least in the VC treated plants. Dry matter was not affected by the type of amendment. Overall, plant growth was improved by the MSWC. Future research should investigate effect on secondary metabolites.
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 ».