Potassium release during decomposition of crop residues under conventional and zero tillage
Notice bibliographique
Résumé
Nutrient cycling is an important part of integrated nutrient management. The litterbag method was used in field experiments to determine potassium (K) release patterns from red clover (Trifolium pratense) green manure (GM), field pea (Pisum sativum), canola (Brassica rapa) and monoculture wheat (Triticum aestivum) residues under conventional and zero tillage from 1998 to 1999 and from 1999 to 2000. Potassium contained in crop residues ranged from 25 kg ha -1 in wheat to 121 kg ha -1 in pea residues, both under zero tillage. The percentage of K released over a 52-wk period ranged from 65% of pea K under zero tillage to 99% of clover K under conventional tillage, and the amounts released were 20–32 kg ha -1 from wheat, 31–52 kg ha -1 from canola, 28–79 kg ha -1 from pea, and 31–118 kg ha -1 from legume GM residues. In both trial periods, K from wheat residues was released at a faster rate under conventional tillage than under zero tillage during the first 10 wk of residue decomposition. In contrast, K from pea and canola residues was released more quickly under zero tillage than under conventional tillage. The effect of tillage on K release from GM residues was similar to that on pea and canola residues in 1998–1999, but similar to that on wheat residues in 1999–2000. Correlations between K release and residue quality were inconsistent, presumably because K is not a structural component of plant tissue, and therefore its release is probably related more to leaching than to residue decomposition. These results show that crop residues recycle substantial amounts of K for use by subsequent crops in rotation. Key words: Conservation tillage, crop residue quality, crop rotation, organic soil amendments
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 ».