Effects of Irrigation Systems on Physicochemical Properties of Soil at Different Depths: A Case Study at a Farm Near Ziway Lake, Ethiopia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Irrigation, regardless of its possible negative impacts on the environment, is the prime choice to combat poverty and sustain food security. Changes in soil physicochemical properties and subsequent loss of productivity are the main challenges associated with irrigation practices. This study investigated the effect of furrow and basin irrigation systems on surface and subsurface soil physicochemical properties in comparison with properties in non‐irrigated fields. The soil properties were analysed as repeated measures using appropriate covariance structure. The results showed significant interaction between irrigation and depth on electrical conductivity, pH, Na + , Ca 2+ , Mg 2+ , soluble cations and organic carbon; but only the main effect of irrigation system was significant on K + , HCO 3 − , Cl − , SO 4 2− , soluble anions and sodium adsorption ratio. Both irrigation systems had lower soluble salt content on the surface than at the subsurface layer with basin irrigation having slightly higher, but the non‐irrigated fields showed the opposite. The soil pH was high, particularly in the non‐irrigated fields, which could affect the availability of important soil constituents like Ca, Mg, Co, Cu, Fe, Mn and Zn, and increase Na hazard and boron (B) toxicity that would impair crop productivity. Therefore, the effects of the irrigation method on the soil properties should be well understood and appropriate precautions should be taken when choosing irrigation methods. © 2018 John Wiley & Sons, Ltd.
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.
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 découle