MétaCan
Menu
Retour à la cohorte
Enregistrement W2922691967 · doi:10.5539/sar.v8n2p46

Effect of Soil Compaction on the Growth and Nutrient Uptake of Zea Mays L.

2019· article· en· W2922691967 sur OpenAlexvenueno aff
Obafemi Olutola Olubanjo, Mouiz W. I. A. Yessoufou

Notice bibliographique

RevueSustainable Agriculture Research · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgronomyCompactionSoil compactionNutrientShootSoil waterBulk densityChemistryEnvironmental scienceBiologySoil scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Agricultural mechanization and open livestock grazing contribute to soil compaction and consequently on crop productivity. This study used a greenhouse experiment to identify the effects of soil compaction on the growth, productivity and nutrient uptake of maize plant seedlings grown at three bulk density (1.17, 1.37, and 1.45 g cm-3) and three water contents (0.12, 0.18, and 0.30 g/g soil). Shoot elongation and leaf area decreased significantly by 27.1 and 67.8% respectively at high compaction (P<0.05). Fresh and dry root mass also decreased significantly at high compaction by 39.1 and 37.8% respectively. Increase in soil compaction also reduced the grain yield by 18.8%. The adverse soil conditions created by increasing soil compaction accounted for the reduction in nutrient uptake. Increase in penetration resistance of the soil reduced the plants ability to absorb nitrogen (13.5%), potassium (51.4%), magnesium (50.4%) and sodium (51.5%) whereas the concentration of calcium and phosphorous were higher when soil resistance varied between 3 and 4 MPa. The relationship between root production, shoot elongation, root biomass and soil strength shows that increase in soil strength/compaction was detrimental to maize production. High soil compaction negatively influenced plant ability to absorb minerals from the soil thus decreased the yield performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,262
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetSoil Management and Crop YieldTravaux en français237 207