Effect of Applying Organic Amendments and Chickpea Integration on Soil Chemical Properties in Different Cropping Systems in Central Kenya
Notice bibliographique
Résumé
A study was carried out to determine the effect of applying farm yard manure (FYM) and Minjingu rock phosphate (MRP) on soil available nitrogen, phosphorus and organic carbon. The study involved field experiments under varying precipitation pattern, soil fertility levels and cropping systems over four growth seasons. The experimental design was a randomized complete block (RCBD) with four replications in a split plot arrangement where the main plots were the three cropping systems; monocropping, intercropping and crop rotation and the split plots were FYM and MRP and sampling done at crop physiological maturity. Soil pH, N, P K and C increased in the different treatments in the following order control < MRP < FYM in the three cropping systems across the four growing seasons at both sites. In maize under rotation with chickpea control had; 0.281% N, 2.82% C and 10.68 ppm P. FYM; 0.554% N, 4.41% C and18.24 ppm P. MRP; 0.45% N, 3.6% C and 41.08 ppm P. Maize chickpea intercrop control; 0.389% N, 3.192% C and 13.4 ppm P. FYM; 0.531% N, 4.98% C and 41.02 ppm P. MRP; 0.49% N, 4.08% C and 50.9 ppm P. Soil under maize monocrop exhibited; control; 0.2% N, 2.59% C and11.26 ppm P. FYM; 0.416% N, 3.83% C and 18.01 ppm P. MRP; 0.28% N, 3.13% C and 26.1ppm P. Almost a similar trend was observed in maize and tomato plots at both sites in all the growing seasons. Thus it can be deduced that, FYM and MRP application and legume integration in cropping systems improves soil fertility.
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 | 0,001 | 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 | 0,001 |
| 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 ».