MétaCan
Menu
Retour à la cohorte
Enregistrement W2809636032 · doi:10.1139/cjss-2018-0029

Effects of rice (<i>Oryza sativa</i> L.) cultivation and soil type on potassium mobilization and transformation behavior

2018· article· en· W2809636032 sur OpenAlexvenueno aff
Di Zhu, Liping Zhan, Rihuan Cong, Xinru Li

Notice bibliographique

RevueCanadian Journal of Soil Science · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueClay minerals and soil interactions
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésPotassiumSoil waterFertilizerOryza sativaChemistryAgronomySoil typeAnimal scienceEnvironmental scienceSoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

To understand the chemical behavior of potassium (K) in soil, rhizobox experiments were conducted to study the effects of K uptake by cultivated rice and soil type on K migration and transformation in soils. The aim of this study was to guide reasonable application of K fertilizer in different soil types. The results showed that at the maximum tillering stage, the migration distances of water-soluble K (Sol-K) were 6 and 5 cm, the depletion of exchangeable K (Ex-K) was 7 and 4 cm, and depletion of nonexchangeable K (Nonex-K) was 1 and 5 cm, respectively, in yellow cinnamon soil (YCS) and fluvo-aquic soil (FS). With the growth of rice, the migration distances of Sol-K showed little difference between YCS and FS. Throughout the season, the contributions of Sol-K, Ex-K, and Nonex-K to K uptake in YCS were 12.0%, 40.0%, and 48.0%, respectively, whereas their contributions in FS were 25.7%, 25.8%, and 48.5%, respectively. K uptake by rice was linearly related to the concentration of different forms of K in soils (R 2 = 0.687*). In conclusion, soil type significantly affected K mobilization and transformation behavior. This indicated that the location of K fertilizer addition in the root zone should differ with soil type.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetClay minerals and soil interactionsTravaux en français237 207