Plant residues ameliorate pH of agricultural acid soil in a laboratory incubation: A meta‐analysis
Notice bibliographique
Résumé
Abstract Background The effect of plant residues on the pH of agricultural acid soil varies markedly across numerous studies, which has been attributed to differences in plant residue characteristics, soil initial properties, and experimental conditions. Aims The aim of this study was to address the need to form a unified framework for the relationship between plant residue incorporation and acid soil pH in agricultural systems. Methods A systematic compilation of data was performed through a keyword search in the Scopus database, which yielded 221 independent pairwise comparisons of soil pH across 23 published articles utilizing laboratory incubations. These data were then used to form a consensus on the effect of plant residue on acid soil pH via a meta‐analysis approach. Results Of the 221 pairwise comparisons, 91.4% of the cases showed a positive effect of plant residue in increasing acid soil pH. Overall, plant residue application significantly improved soil pH of acid soil ( p ≤ 0.05) by 12.4% ± 1.0% regardless of the heterogeneity in plant, soil, and experimental attributes between studies. Our analysis also revealed that total alkalinity (≥ 80 cmol kg –1 ) and N (≥ 10 g kg –1 ) of plant residue provide the optimal ameliorative effect. This ameliorative effect is more pronounced in extremely acidic soil (pH 3.5–4.4) than at soil with pH > 5.5. Conclusions The insights gained through this meta‐analysis demonstrated the interplay between different plant residue, soil, and experimental attributes, which collectively influence the ameliorative effect of plant residue application to the pH of agricultural acid 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 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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».