Maan reservikalium ja nurmien kaliumlannoitus
Notice bibliographique
Résumé
Sen lisäksi, että kalium on tärkeä nurmien sadonmuodostuksen kannalta, sillä on huomattava vaikutus myös nurmen ravitsemukselliseen arvoon märehtijöiden rehuna. Perinteisesti kaliumlannoitus on perustunut viljavuusanalyysin kaliumlukuun (mg K/l maata; hapan ammoniumasetaattiuutto). Viime vuosina on kertynyt aineistoa, jonka mukaan viljavuuskalium ei näytäkään ennustavan nurmien kaliuminottoa kovin hyvin. Niinpä päätettiin tutkia meta-analyysin avulla, selittääkö maaperän reservikalium (2 M HCl-uutto) paremmin nurmien kaliuminottoa ja lannoitustarvetta. Aineistoon sisällytettiin yhteensä 17 koesarjaa, jotka oli suoritettu nurmenviljelyalueella ja joista oli saatavilla analyysin kannalta välttämättömät maaperätiedot sekä pintamaasta että jankosta (mm. maalajikoostumus, reservikalium, jankon ominaisuudet). Erisuuruisia lannoitustasoja aineistossa oli yhteensä 36 ja kaliumlan-noitus vaihteli välillä 0-320 kg ha-1 v-1. Tärkeimmäksi vastemuuttujaksi valittiin sato. Aineistossa oli hyvin vähän 0-ruutuja, joten lähestymistavaksi valittiin ns. suhteellisen sadon menetelmä. Tämän tarkoituksena oli saattaa eri vuosien ja koepaikkojen sadot toisiinsa nähden paremmin vertailukelpoisiksi. Yksittäisiä satotietueita oli 767. Kunkin kokeen sisällä suhteellista satoa selitettiin kaliumlannoituksella käyttäen satofunktiona joko lineaarista kuvausta tai Mitscherlichin funktioita. Kun kunkin kokeen satofunktio oli ratkaistu, derivoitiin satofunktiot ja laskettiin funktion derivaatan arvo kohdalla 50 kg/ha/v K. Näin eri koesarjat voitiin yhdistää ja verrata kaliumin antamaa sadonlisää kokeen maaperätietoihin korrelaatio- ja regressioanalyyseillä. Lopuksi maa jaettiin reservikaliumin perustella kahteen ryhmään ja ryhmille sovitettiin satovastefunktiot. Reservikalium selitti kaliumlannoituksella saatua nurmien satovastetta selvästi paremmin kuin viljavuuskalium. Jankon reservikalium selitti satovastetta yhtä hyvin kuin pintamaan reservikalium. Reservikaliumpitoisuuden ollessa > 600 mg l-1, kaliumlannoituksen vaikutus satoon oli pieni. Kasvianalyysin K:N-suhde on teoriassa tarkempi kasvianalyysi kuin pelkkä kaliumpitoisuus, mutta tässä aineistossa eroa ei havaittu. Kun ruohon kaliumpitoisuus on 17,5 - 20 g kg-1 ka, saatiin 95 % maksimisadosta. Vastaavat raja-arvot K:N –suhteelle olivat 0,85-0,86. Nurmien kaliumlannoitussuosituksia tulisi tarkentaa. Nurmialueella tulisi suosia maan reservikaliumanalyysiä etenkin, jos rehun kaliumpitoisuus on korkea, mutta maan viljavuuskalium osoittaa lannoitustarvetta. Alhaisen reservikaliumin mailla (< 500 mg K l-1 maata) kaliumlannoitussuositukset voivat perustua viljavuuskaliumiin. Eloperäisillä mailla kaliumlannoitus on erityisen tärkeä. Näillä mailla reservikaliumin pitoisuus on merkittävä vain, jos sitä on pohjamaassa paljon ja pohjamaa on juuriston ulottuvissa. Jos reservikaliumpitoisuus on korkea (> 1000 mg l-1), alhainen viljavuuskaliumin pitoisuus ei ole ongelma ja kaliumlannoituksen hyöty näyttää olevan satunnainen.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,007 |
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 ».