Nutritional Evaluation of Millet Plants Grown in Soils Fertilized With Organic Wastes From Different Sources
Notice bibliographique
Résumé
The losses of essential elements to crops make necessary to correct soil fertility to meet the nutritional requirements of plants, which can be achieved by increasing soil organic matter. The objective of this work was to evaluate the leaf nutritional conditions of millet plants grown in soils fertilized with organic wastes from different sources at different rates. Organic matter can make the soil more productive and suitable to agricultural crops. A randomized block experimental design with a 4 × 2 factorial arrangement was used with four replications, consisting of 32 experimental units. The treatments consisted of four organic matter sources (swine manure, sewage sludge, bovine manure, and poultry litter), and two organic matter rates (20% and 40% of the pot volume). Boron extraction was performed by dry digestion—the organic matter of the plant tissue was incinerated in an electric muffle furnace at 450-550 ºC, and the inorganic residue (ash) was dissolved in a dilute acid solution. N, K, Ca, Mg, S, Fe, Cu, Mn, and Zn was extracted through wet digestion—the organic matter of the leaf tissue was oxidized by concentrated mineral acids and by heat. N, P, S, B, Ca, Mg, Cu, Fe, Mn, and Zn was determined by spectrophotometry. K was determined by flame photometry. All macro and micronutrient contents in the millet leaves, and biometric parameters of the millet panicle were affected by the organic matter sources, organic matter rates, and the interaction between them.
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 ».