Micronutrients in the Soil and Wheat: Impact of 84 Years of Organic or Synthetic Fertilization and Crop Residue Management
Notice bibliographique
Résumé
Crop residues are an important source of plant nutrients. However, information on the various methods of residue management on micronutrients in soil and wheat (Triticum aestivum L.) over time is limited. A long-term (84-year) agroecosystem experiment was assessed to determine the impact of fertilizer type and methods of crop residue management on micronutrients over time under dryland winter wheat-fallow rotation. The treatments were: no N application with residue burning in fall (FB), spring (SB), and no residue burn (NB); 45 kg N ha−1 with SB and NB; 90 kg N ha−1 with SB and NB; pea vines; and farmyard manure (FYM) and a nearby undisturbed grass pasture (GP). Wheat grain, straw, and soil samples from 1995, 2005, and 2015 were used to determine tissue total and soil Mehlich III extractable Mn, Cu, B, Fe, and Zn, and soil pH. After 84 years, extractable Mn and B in the top 10 cm of soil decreased in all plots, except for B in FYM and SB. The FYM plots had the highest extractable Mn (114 mg kg−1) in the top 10 cm soil; however, it declined by 33% compared to the GP (171 mg kg−1). Extractable Zn in the top 10 cm of soil increased with FYM while it decreased with inorganic N application in 2015; however, total Zn in grain increased by 7% with inorganic N (90 kg ha−1) application compared to FYM application. The results suggest that residue management had similar impact on soil micronutrients. Inorganic N and FYM application can be integrated to reduce micronutrient losses from cultivation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».