Forest‐derived liming by‐products: Potential benefits to remediate soil acidity and increase soil fertility
Notice bibliographique
Résumé
Abstract Soil acidification is an important cause of declining crop yields in many countries, including Canada and the United States. Meanwhile, alkaline by‐products from forest resources are widely available but underused in agriculture despite their expected benefits on soil pH and fertility. The aim of this study was to determine the effects, throughout a 40‐wk laboratory incubation, of six different forest‐derived liming materials on soil pH and Mehlich‐3–extractable major nutrients in two acidic soils. Lime mud, two wood ashes (papermill biosolids and wood bark), two biochars (maple and pine), and a de‐inking paper sludge (DPS) were applied at calcium carbonate equivalence–based rates, according to the amount of lime required to achieve a target pH of 6.5 on each soil. A calcitic lime (CL) was used as a reference. All forest‐derived materials except pine biochar were equally effective as CL in increasing the pH of the two acidic soils after 40 wk of incubation. Lime mud quickly raised the pH after soil incorporation, and then the pH progressively declined. By contrast, DPS upon decomposition gradually increased soil pH over time. In terms of liming value based on dry mass of each material, lime mud was needed at the lowest amount (0.8 CL unit) to increase pH to the target value. Wood ash, particularly from wood combustion, was a significant direct source of P, K, and Mg, whereas maple biochar supplied large amounts of available K and Mg. This study demonstrated that forest‐derived alkaline by‐products can efficiently remediate soil acidity and improve soil fertility.
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 | 0,000 | 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) | 0,000 | 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 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 ».