The application of biochar improves the nutrient supply efficiency of organic fertilizer, sustains soil quality and promotes sustainable crop production
Notice bibliographique
Résumé
Abstract Rapeseed meal, a nutritious organic fertilizer (OF), contributes to improving soil environment and crop productivity. However, there are also problems, namely slow fertilizer efficiency and low nutrient utilization during the growing season. This 2‐year field trial was conducted to explore the effect of biochar addition on improving the nutrient availability of OF through a comparative study of various biochar application rates under rice‐rapeseed rotation conditions. The findings revealed that, compared to the individual application of chemical fertilizers (CF), OF alone decreased rice yield (2%/2%) and rapeseed yield (6%/10%) in 2019/2020. Compared with OF, combining biochar (15 t ha−1) with OF (OF + B15) significantly increased rice yield (17%/10%) and rapeseed yield (25%/20%) in the first/second year. Additionally, OF + B15 still increased rice yield (14%/7%) and rapeseed yield (12%/13%) for two consecutive years compared to CF. The co‐application of biochar and OF had positive impacts on soil physicochemical properties and enzymes. Compared to OF, OF + B15 elevated soil organic carbon (SOC) by 57%–81%, soil catalase 19%, invertase 14%–20%, urease 17%–19%, and phosphatase 13%–17% during rice season, and similarly increased SOC by 77%–90%, soil catalase 14%–16%, invertase 14%–20%, urease 18%–24%, and phosphatase 16%–17% in rapeseed season. Biochar addition improved soil conditions and enzymatic activities, and the available nutrient supply of OF. Also, the co‐application of biochar and rapeseed meal surpassed the effect of chemical fertilizer alone on the growth and yield of crops. Therefore, biochar coupling with organic fertilizer is an effective fertilization strategy based on resource recycling, which promotes both crop yield and sustainable agriculture.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».