Compositional nutrient analysis of greenhouse grown ryegrass ( <i>Lolium multiforum</i> ) fertilized with raw and hydrothermal-treated igneous rock as diagnostic tool for balanced fertilization in tropical environments
Notice bibliographique
Résumé
Due to the escalating demand for conventional potassium sources, and their unavailability in many African countries, there is a growing interest in hydrothermally treated igneous rocks as viable alternatives. These materials exhibit promising potential in enhancing potassium release, comparable to traditional sources like muriate of potash (M.O.P.). However, it remains uncertain whether they can adequately fulfill the nutrient requirements of plants. In this study, we evaluated nutrient balance in ryegrass (Lolium multiflorum) using raw and hydrothermally treated K-bearing silicate rocks as fertilizers. The Compositional Nutrient Diagnostic (CND) approach was used to assess the plants’ nutrient status, involving identification of high-yield subpopulations, and setting a yield cutoff. We derived a theoretical threshold for nutrient imbalance (CNDr2) using statistical methods like the chi-square distribution function and low-yield subpopulation proportion. CNDr2 was validated via Cate–Nelson partition and sum of squared individual nutrient indexes. Results showed a yield cutoff of 37.759 kg ha−1, distinguishing low-yield and high-yield subpopulations based on cumulative variance ratio functions from survey data. The theoretical threshold derived using the chi-square function was 10.1, subsequently validated by the Cate–Nelson method. Critical CND nutrient indices were symmetrical around zero, but their sum indicated foliar nutrient imbalance, notably zinc, potassium, and copper excess, attributed to 20 interactions identified (4 synergetic and 16 antagonistic). This study underscores hydrothermal treatment’s efficacy in improving nutrient availability and achieving a balanced nutrient profile compared to raw materials. It offers a promising solution for enhancing agricultural productivity, especially in tropical regions like Africa, where traditional sources are scarce.
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 | 0,000 | 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) | 0,000 | 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 ».