Characterizing mass–volume–density–porosity relationships in a sandy loam soil amended with compost
Notice bibliographique
Résumé
Although compost is widely used as an organic soil amendment or conditioner, little is known of how it affects the characteristics or interactions among soil constituents. To address this, mixture theory was used to describe the mass–volume–density–porosity attributes and interactions among bulk soil, the mineral constituent, and the organic matter constituent of a sandy loam soil in a no-till corn field that had received one-time additions of yard waste compost at rates of 0 (control), 64, 154, and 380 dry t ha −1 . Bulk density (BD, 0–10 cm depth) decreased consistently and near-linearly with increasing soil organic matter (SOM) mass fraction (F OM ) for all six growing seasons (2012–2017) after compost addition. Fitting mixture theory expressions to BD vs. F OM data and to soil particle density vs. F OM data for 2013–2017 yielded constant mineral and SOM self-packing densities of D M = 1.673 Mg m −3 and D O = 0.335 Mg m −3 , respectively, and constant mineral and SOM particle densities of ρ M = 2.760 Mg m −3 and ρ O = 1.409 Mg m −3 , respectively. On a self-packing basis, soil mineral and SOM domain porosities were constants at n M = 0.39 and n O = 0.76, respectively. On a bulk soil volume basis, soil mineral and SOM porosities and volume ratios were linear functions of F OM . The porosity and volume characteristics of the SOM domain differed substantially from those of bulk soil and the mineral domain, and may therefore control the agri-environmental performance of soil, given that organic matter influences soil functioning more than mineral matter.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».