Short-term effects of wood ash application on soil properties, growth, and foliar nutrition of <i>Picea mariana</i> and <i>Picea glauca</i> seedlings in a plantation trial
Notice bibliographique
Résumé
Burning biomass for energy generates ash that could be applied as a soil amendment to ameliorate acidity and mitigate nutrient losses associated with biomass harvesting. These soil improvements may also enhance tree growth and foliar nutrition. In this study, we applied low- and high-carbon wood-derived ash at rates of 0 (control), 1000, and 10 000 kg·ha −1 (dry weight equivalents) to soils planted with Picea mariana (Mill.) B.S.P. and Picea glauca (Moench) Voss in a replicated (5) factorial design. We measured soil properties, tree seedling height, and foliar nutrient contents prior to and 4 mo after wood ash addition to determine the immediate effects on soil physical, chemical, and biological properties, and tree seedling performance. We conclude that there were no negative effects of applying either wood ash and that application of ash at 10 000 kg·ha −1 , particularly with the low-carbon ash, produced the greatest changes. We anticipate that changes may become more evident over the longer term, especially with respect to tree growth and nutritional responses (e.g., as nutrient uptake demand increases) once the seedlings become more established.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».