Impacts of soil, water source, and agro-climatic conditions on exchangeable sodium in rice-cultivated lowland soils of Sri Lanka
Notice bibliographique
Résumé
Rice is sensitive to salt stress, commonly caused by high concentrations of sodium (Na) in soils. However, the concentration and spatial variability of exchangeable Na in lowland paddy fields of Sri Lanka are not known. This study examined the interactive effects of the agro-climatic zones (ACZs), soil orders, and water sources on exchangeable Na in lowland paddy fields in Sri Lanka using 8566 soil samples. Exchangeable Na was extracted using 0.01 mol/L CaCl 2 solution and detected using inductively coupled plasma-mass spectrophotometry. Exchangeable-Na concentration ranged from 0.05 to 4814 mg kg −1 with a mean concentration of 140.7 mg kg −1 , and these values were within the optimal range reported for tropical paddy soils. The distribution of exchangeable Na was right skewed with 44%, 35%, and 9.3% of samples falling into 0–100, 100–200, and 200–300 mg kg −1 , respectively. Samples from the Low country Dry zone had the highest (157 mg kg −1 ) Na concentration while that in the Upcountry Intermediate zone was the lowest (13 mg kg −1 ) ( p < 0.05). Vertisols recorded the highest (255 mg kg −1 ) and Ultisols recorded the lowest (81 ± 5.0 mg kg −1 ) among soil orders. Soils receiving supplementary irrigation in Low country Dry zone had lower Na than that in rainfed systems. Exchangeable-Na concentration was positively correlated with soil pH ( p < 0.05). Even though the concentrations of Na in soil samples were within the optimal range, agronomic decisions based on ACZ, soil order, and water source need to be made to minimize the potential development of saline–sodic soils in the study areas.
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 | 0,001 |
| 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) | 0,000 | 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 ».