Reactivating the Potential of Lima Bean (Phaseolus lunatus) for Enhancing Soil Quality and Sustainable Soil Ecosystem Stability
Notice bibliographique
Résumé
Background: This study explores the role of leguminous crops like lima bean in enhancing soil quality and ecosystem stability. Despite existing studies on agronomic aspects, there is a significant research gap on its impact on soil organic matter level, microbial activity, soil health, and nutrient availability. Therefore, this study examines the capacity of lima bean to reactivate soil quality, focusing on its impact on soil organic matter level, microbial activity, soil health, and nutrient availability. Methods: The experimental area was set up in 2023 using three replicates and a randomized block design. Two treatments were used: lima bean-planted plots and control plots with various weeds and without lima bean. Post-harvest soil samples were collected from various agroecological zones and sterilely packed, and physical, chemical, and biological indices were examined. Results: lima bean significantly affected nutrients, enzymes, soil microbial respiration, and other markers. Amylase activity (0.41**) was positively correlated with urease activity (0.73**), while dehydrogenase activity positively correlated with both. Dehydrogenase activity was negatively correlated with total nitrogen (0.66**) and sulfur (0.60**). Lima bean significantly affected soil quality, with all locations showing higher ratings (55–77%) than wild land, except for location D (Ilora). A total of 70% of total nitrogen variation may be attributed to soil quality (r2 = 0.696). Lima bean enhanced soil quality, potentially enhancing productivity and reducing dependence on inorganic nitrogen inputs. Conclusions: The symbiotic relationship between lima bean and nitrogen-fixing bacteria improves nutrient cycling, enhancing agricultural productivity and environmental conservation. Future research should explore the economic viability of integrating lima bean into crop rotations or agroforestry systems for sustainable agricultural practices, providing valuable information for farmers.
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 | 0,000 |
| 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) | 0,000 | 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 ».