Effects of Liming on Soil Physical Attributes: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of the present study was to gather information on the effects of liming on changes in soil physical attributes. Soil acidity, caused by natural ways, such as rain, weathering and decomposition of organic matter and by human interference, by the use of nitrogen fertilizer mainly ammonia and urea fertilizer contribute to the acidification of the soil. In this context liming is perform to correct soil pH and neutralize the effect of toxic elements. Numerous benefits of liming are known, but their influence on soil physical attributes is poorly studied. Liming directly affects some physical properties of the soil, such as flocculation, aggregates, density and porosity. Flocculation of soil particles initially is smallest, which promotes greater particle dispersion. However, it changes over time, since H+ and Al3+ ions tend to be subsumed by Ca2+ and Mg2+ increasing particle flocculation power which favors its approximation and aggregate formation. For soil aggregates, surface liming in improves soil aggregation by increasing the mean aggregate diameter with positive responses as dose increases. Density and porosity of soil also undergo changes. It is important to point out that liming also has the potential to alter the porous structure of the soil. Porosity liming promotes soil density reduction and increase influenced reducing macroporosity values and increase of total porosity and micropores values. The results of studies carried out present divergent and similar results according to the evaluated physical attributes. This is possibly due to the dynamics between liming under different edaphoclimatic conditions.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle