Impact of deficit irrigation and addition of biochar and polymer on soil salinity and tomato productivity
Notice bibliographique
Résumé
The aim of this study is to investigate impact of soil amendments (4% biochar, 0.4% polymer, and a combination of them) on soil moisture and salinity distribution, tomato yield, and water-use efficiency (WUE). Open-field experiments were conducted during two successive growing seasons in 2017 and 2018. The experiment consisted of three levels of irrigation treatments: 100%, 80%, and 60% of crop evapotranspiration (ETc); and two different water qualities: fresh 0.9 dS m−1 and saline electrical conductivity 3.6 dS m−1. Results revealed that at 100% of ETc, soil water distribution increased by 12.94%, 37.87%, and 42.21% at depths 0–15, 15–30, and 30–45 cm, with the addition of biochar, respectively, compared with control at same depths under freshwater, but the addition of polymer was increased by 6.35%, 16.56%, and 16.37%, respectively. While combination treatments increased by 15.70%, 24.80%, and 41.26%, at the depths aforementioned. Salt concentration was increased by 59.10% with biochar, whereas decreasing by 7.19% and 57.63% with polymer and mixture treatments, respectively. The results also showed that biochar and mixture treatments improved yield compared with the polymer and control, whereas saline water decreased the yield compared with freshwater. With deficit irrigation, WUE was increased by 28.54%, 40.98%, and 68.93% at 100%, 80%, and 60% of ETc, respectively, indicating it could be used as an irrigation management strategy under arid and semiarid field conditions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».