A practical assessment of nano-phosphate on soybean (Glycine max) growth and microbiome establishment
Notice bibliographique
Résumé
) as a phosphate (Pi) fertilizer was evaluated as well as its impact on soil and soybean (Glycine max) bacterial and fungal communities. Microbial communities were evaluated in soy fertilized with nHA using ITS (internal transcribed spacer) and 16S rRNA high-throughput gene sequencing. Separate greenhouse growth experiments using agriculturally relevant nHA concentrations and application methods were used to assess plant growth and yield compared with no Pi (-P), soluble Pi (+P), and bulk HA controls. Overall, nHA treatments did not show significantly increased growth, biomass, total plant phosphorus concentrations, or yield compared with no Pi controls. Soil and rhizosphere community structures in controls and nHA treatment groups were similar, with minor shifts in the nHA-containing pots comparable to bulk HA controls at equal concentrations. The implementation of nHA in an agriculturally realistic manner and the resulting poor soy growth advises that contrary to some reports under specialized conditions, this nano-fertilizer may not be a viable alternative to traditional Pi fertilizers. If nano-phosphate fertilizers are to achieve their conjectured agricultural potential, alternative nHAs, with differing morphologies, physicochemical properties, and interactions with the soil matrix could be investigated using the evaluative procedures described.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».