Mitigating Ammonia Volatilization from Waterlogged Acids Soils Using Organic Amendments
Notice bibliographique
Résumé
In production agriculture, granular urea is the most used nitrogen fertilizer in crop production. However, increase in soil pH following application of urea causes ammonia volatilization and reduces N use efficiency. To minimize ammonia loss, organic amendments are used, however, type of organic amendment use could affect urea use efficiency. This study was to determine the effects of organic amendments derived from forest litter, Leucaena leucocephala, chicken litter, and cow dung on ammonia volatilization and chemical properties of a waterlogged acid soil. Treatments evaluated were: (i) T1, Soil only, (ii) T2, Existing recommended fertilization, (iii) T3, Biochar-forest litter compost, (iv) T4, Biochar-chicken litter compost, (v) T5, Biochar-cow dung compost, (vi) T6, Biochar-Leucaena compost, and (vii) T7, Biochar-Leucaena - chicken litter compost. Standard procedures were used to quantify ammonia volatilization and soil chemical properties. The findings of this present study also revealed that the total amount of ammonia loss from urea over a period of forty-two days depends on the influence of the organic amendments on urea hydrolysis. Emissions of ammonia from T6 and T7 were significantly higher because, the decomposition of Leucaena leucocephala favours urea hydrolysis compared with those of T3, T4, and T5. Therefore, Leucaena leucocephala composts should be carefully co-applied with urea to minimize ammonia loss if the aim of using this type of amendments is to improve N use efficiency and soil and crop productivity.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».