A critical examination of crop-yield data on vegetables, maize (Zea mays L) and tea (Camellia sinensis) for Sri Lankan biofilm biofertilizers
Notice bibliographique
Résumé
Abstract With increasing global interest in microbial methods for agriculture, the commercialization of biofertilizers in Sri Lanka is of general interest. The use of a biofilm-biofertilizer (BFBF) commercialized in Sri Lanka is claimed to reduce chemical fertilizer (CF) usage by ~ 50% while boosting harvest by 20–30%. Many countries have explored the potential of biofilm biofertilizers, but have so far found mixed results. Here we review the BFBF commercialized in Sri Lanka and approved for national use. We show in detail that the improved yields claimed for this BFBF fall within the uncertainties (error bars) of the harvest. Theoretical models that produce a seemingly reduced CF scenario with an “increase” in harvests, although this is in fact not so, are presented. While BFBF usage seems to improve soil quality in some instances, the currently available BFBF promoted in Sri Lanka appears to have negligible impact on crop yields. We also briefly consider the potentially negative effects of large-scale adoption of microbial methods. The manner whereby a poorly-tested but product of biotechnology gained government and institutional acceptance is of global relevance in the rush to adopt new climate-mitigating technologies.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».