MétaCan
Menu
Retour à la cohorte
Enregistrement W4311150761 · doi:10.3390/land11122265

Rice Husk and Its Biochar Have Contrasting Effects on Water-Soluble Organic Matter and the Microbial Community in a Bamboo Forest Soil

2022· article· en· W4311150761 sur OpenAlexaff
Ali El‐Naggar, Rong Zhou, Ronggui Tang, Jin Hur, Yanjiang Cai, Scott X. Chang

Notice bibliographique

RevueLand · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiocharHuskBambooOrganic matterSoil organic matterAgronomyChemistryEnvironmental scienceSlash-and-charSoil waterBotanyBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Converting rice husk to biochar is one of the solutions to manage crop residues by transforming waste into a value-added material that has broad benefits to the environment when biochar is applied to the soil. This study investigated the impact of the application of rice husk and its biochar at different doses (i.e., 0, 10, and 30 t ha−1) on soil carbon stability, the property of water-soluble soil organic matter, and the abundance and diversity of microbial communities in a Lei bamboo (Phyllostachys praecox) forest soil 262 days after their application. The application of rice husk, especially at 30 t ha−1, increased dissolved organic carbon due to the high labile carbon (C) (e.g., cellulose, hemicellulose, polysaccharides) content in the rice husk. The biochar treatments stimulated the release of humic-like substances (e.g., (poly) phenols) into the soil solution, increased the aromatic C content by 412–557%, and increased the relative abundance of Chloroflexi, Planctomycetota, and Proteobacteria compared to the control. This study shows that biochar application, particularly at 30 t ha−1, enhanced the C stability by turning organic C into recalcitrant forms in the soil, demonstrating the merit of converting rice husk into biochar before its application to the soil.

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)0,000
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 enseignants0,483
Score d'incertitude au seuil0,856

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,009
Tête enseignante GPT0,183
Écart entre enseignants0,174 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLandMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207