Soil Fertility Levels in Bangladesh for Rice Cultivation
Notice bibliographique
Résumé
Determination of soil fertility with minimum data set for crop zoning and devising fertilizer recommendations as well as soil fertility evaluation method based on soil properties. The data were collected from existing literatures and scoring was done on 0–100 scale. The lowest score was assigned for the minimum value of tested attributes and then gradually higher scoring values. Arithmetic, weighted, geometric and most minimum of mean scores were calculated and their performances were compared with grain yield of dry season irrigated (Boro) rice. Soil fertility in 10-12 and 39-52% areas in Bangladesh are very low and low, respectively. Medium fertile and fertile soils are distributed in 17-41% and in about 8% areas of the country. About 55% soils scored 70–95 (medium to high SOC) and the rest belongs to inferior quality. In some areas P build up has taken place (25% areas), but widespread K mining. Sulphur and Zn status in about 40% areas are low to very low (scored <35 and <40). Soils of the major areas of the country are with low pH (5.0-6.0) and CEC in the range of 15-25 cmolc kg-1. Weighted mean score and most minimum of eight attributes score showed good relationships with dry season irrigated rice yields than other tested methods indicating that this technique can be used for soil fertility rating in tropical countries.
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 ».