Biochar and manure influences tomato fruit yield, heavy metal accumulation and concentration of soil nutrients under wastewater irrigation in arid climatic conditions
Notice bibliographique
Résumé
Balochistan produces more than 40% of the total tomato production of Pakistan. The climate of this province is mostly arid, and agriculture around urban areas commonly depends on wastewater irrigation. This study evaluated under groundwater and wastewater irrigation the influence of wood-derived biochar, cow manure and their co-amendment (as 1:1 biochar:manure ratio) at 0.5 kg m−2 (or 5 t ha−1) and 1 kg m−2 (or 10 t ha−1) rate on fruit yield production of tomato, concentration of heavy metals (lead (Pb), copper (Cu), zinc (Zn), nickel (Ni) and chromium (Cr)), nutrient use efficiency (NUE) of heavy metals (calculated as fruit yield/concentration of a given heavy metal in fruits) and the pH, concentration of mineral nitrogen (N) and soluble inorganic phosphorus (P) of tomato-grown soil. As compared to groundwater irrigation, the biomass and yield production was higher under wastewater irrigation. Organic amendments significantly improved yield production and tended to increase soil pH than control under both irrigation treatments. Wood-derived biochar applied at 1 kg m−2 caused the highest yield under both irrigation treatments. Organic amendments tended to reduce the concentration of Pb, Cu and Cr and increased the NUE of tomato fruits, indicating that fruits require less acquisition of heavy metals per unit yield production. Organic amendments increased the concentration of soluble inorganic P under wastewater irrigation. Our findings suggest that amendment of biochar, manure and their mixture promoted tomato fruit yield under both irrigation treatments, increased NUE of fruits for heavy metals and increased the concentration of soluble P under wastewater irrigation.
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 ».