Effects of multiple N, P, and K fertilizer combinations on adzuki bean (Vigna angularis) yield in a semi-arid region of northeastern China
Notice bibliographique
Résumé
Abstract Nitrogen (N), phosphorus (P), and potassium (K) exert various effects on adzuki bean yields. Our research was conducted in a semi-arid area, and four test sites were established in environments that have chernozem or sandy loam soils. During a five-year period, the effects of N, P, and K fertilizers on yield were comprehensively investigated in field trials (2014–2016) and for model-implementation trials (2017–2018), with models established prior to the latter. In the field trials, 23 treatments comprising different N, P, and K combinations significantly affected both yield and yield components, and regression analysis indicated that the experimental results were suitable for model establishment. The model subsequently demonstrated that the yield and the yield components were more sensitive to N and K fertilizer than to P fertilizer. Moreover, the yield and yield components increased. These yield increases were intense in response to the 0.5 to 1.34 levels in terms of the single effects; interaction effects; and the effects of combinations of N, P, and K fertilizers. Moreover, the effects of combinations of N, P, and K fertilizers were more significant on yield than were the single or interaction effects of N, P, and K fertilizers. The optimal fertilizer combination that resulted in high yields (≥1941.53 kg ha−1) comprised 57.23–68.43 kg ha−1 N, 36.04–47.32 kg ha−1 P2O5 and 50.29–61.27 kg ha−1 K2O. The fertilizer combination that resulted in the maximum yield was 62.98 kg ha−1 N, 47.04 kg ha−1 P2O5 and 59.95 kg ha−1 K2O (N:P2O5:K2O = 1:0.75:0.95), which produced the model-expected yield in trials at multiple sites. An economical fertilizer combination was determined on the basis of the best fertilizer measures in consideration of the cost of fertilizer and seed; this combination achieved yields of 2236.17 kg ha−1, the profit was 15,653.16 Yuan ha−1, and the corresponding rates were 57.60 kg ha−1 N, 47.03 kg ha−1 P2O5, and 31.64 kg ha−1 K2O (N:P2O5:K2O = 1:0.82:0.55).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».