Inoculation of Plant Growth Promoting Bacillus spp. in N-Fertilized Maize Crop in Soils With High Organic Matter Content in South Brazil
Notice bibliographique
Résumé
Inoculation of seeds with plant growth promoting bacteria (PGPB) often increases maize yields in N-deficient soils. However, would yields increase if inoculation with PBPB was made in soils with high organic matter contents receiving N-fertilizer? In this article, we report the results of four field-experiments performed in the Southern Brazil (Campo Largo-PR and Lapa-PR, Brazil) during the growing seasons of 2017/2018 and 2018/2019, including treatments with three doses of N (0, 50 and 100 kg of N ha-1) supplied as (NH4)2SO4, and inoculation of Azospirillum brasilense Abv05 and Abv06, or, of new strains of Bacillus sp. (LGMB 143, LGMB 152, LGMB 319 or LGMB 326). Application of 50 kg N ha-1 increased yields by 32% in Campo Largo, and 16% in Lapa, in relation to non-fertilized plots, but doubling the N fertilization or including PGPB inoculants did not affect crop growth and productivity. The average yields in the plots with N and bacterial inoculation was 8,255 kg ha-1 in Campo Largo and 11,311 kg ha-1 in Lapa. Increases of grain yields were related to increases in plant height, shoot dry matter, ear length and diameter and 1000 grains mass. This study adds to the fact that scientists and farmers should rethink the paradigm of excessive doses of N fertilization on maize. Furthermore, inoculation of maize seeds with PGPB do not increase yields when the N demand of the crop is satisfied via N-fertilization.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».