MétaCan
Menu
Retour à la cohorte
Enregistrement W4205974565 · doi:10.5539/jas.v14n2p9

Influence of Soil Fertility Management on Nitrogen Mineralization, Urease Activity and Maize Yield

2022· article· en· W4205974565 sur OpenAlexvenueno aff
Daniel M. Kalala, Victor Shitumbanuma, Benson H. Chishala, Alice M. Mweetwa, Andreas Fließbach

Notice bibliographique

RevueJournal of Agricultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesForschungsinstitut für biologischen LandbauSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésLoamMineralization (soil science)AgronomySoil fertilityUreaseGreen manureFertilizerManureSoil qualityLegumeIncubationAnimal scienceChemistryUreaNitrogenBiologySoil waterEcology

Résumé

récupéré en direct d'OpenAlex

For studying the effect of soil fertility management practices on N mineralization, urease activity and maize yield, replicated field trials were established in 2015 at Misamfu and Msekera agricultural research stations (ARS) representing two geo-climatic regions of Zambia. The soil at Msekera ARS is a sandy clay loam (SCL) from a Paleustult, while that at Misamfu is a loamy sand (LS) from a Kandiustult. The field trials had three categories of treatments namely legumes, traditional and conventional. The legumes group consisted of researcher-recommended legume-cereal intercrop systems of maize with Cajanus cajan, Crotalaria juncea and Tephrosia vogelii in combination with compound D (10% N, 20% P2O5, 10% K2O) and urea (46% N) at the recommended rate (200 kg ha-1) and half of the recommended rate (100 kg ha-1). Composted cattle manure and Fundikila, a special plant biomass management technique, were the inputs under the traditional category. The conventional category consisted of a treatment to which only chemical fertilizer was applied. Urease activity was determined in surface soil samples (0-20 cm) collected from the field trials after 3 years. For N mineralization, a laboratory incubation study was conducted over 13 weeks. For the laboratory incubation, an additional treatment to which no input was applied was included as control. Application of organic inputs significantly increased the potentially mineralizable N (No) by 127% to 256% on the LS and by 51% to 131% on the SCL in comparison to the control. Similarly, the cumulative N mineralized (Ncum) was twice or thrice higher where organic inputs had been applied in comparison to the control. The No followed the order traditional > legumes > conventional > control, while the mineralization rate constant (k) followed the order legumes > conventional > traditional > control on both soils. The rate of N mineralization was significantly higher on the LS than the SCL. Higher rates of chemical fertilizer resulted in high Ncum and higher maize yield. Maize yield was significantly and positively correlated to Ncum, but inversely correlated to the amount of applied N that was mineralized (%Nmin). Urease activity was stimulated by application of organic inputs and suppressed by higher rates of chemical fertilizers. The type of organic inputs; the rate of chemical fertilizers; and soil texture are factors influencing N mineralization and maize yield. Urease activity was largely influenced by the rate of chemical fertilizer, but not the type of organic inputs or soil texture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetCrop Yield and Soil FertilityTravaux en français237 207