Relating Soil Available Zinc With Physicochemical Properties In New Alluvial Zone Of West Bengal, India
Notice bibliographique
Résumé
An experiment was conducted to assess the dependency of available zinc on the physicochemical properties of soils. The soil samples were collected from 15 NBSS & LUP identified soil series of New Alluvial Zone of West Bengal, India. The soil samples were processed and analyzed for different standard physicochemical properties i.e. pH, EC, clay, organic carbon content, available nitrogen, phosphorus and potassium, zinc, copper, iron, manganese, amorphous iron, aluminium and manganese oxide content. Among the studied parameters, pH, clay, organic carbon, amorphous iron and amorphous aluminium oxide showed significant correlations (-0.591*, 0.601**, 0.784**, 0.563*, 0.509* respectively) with available zinc. Multilayer Perceptron Network (MPN) in Artificial Neural Network (ANN) yielded organic carbon, clay, pH and amorphous iron content as the most important parameters to affect the availability of soil zinc. Further, using multiple linear regression modeling, it was found that changes in organic carbon and clay content together contribute 70.7% change in available zinc in soil wherein, organic carbon alone contributed to 62.4% change. Identification of crops based on their zinc requirement in appropriate textural conditions of soil as well as proper maintenance of soil organic carbon can be a promising option for judicious management of zinc in 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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 ».