MétaCan
Menu
Retour à la cohorte
Enregistrement W4405205142 · doi:10.5539/jas.v17n1p1

Effects of Sulfuric and Citric Acid for Slurry Acidification on Winter Wheat Yield, N- and S-Balance

2024· article· en· W4405205142 sur OpenAlexvenueno aff
Nils Carsten Thomas Ellersiek, Gabriele Broll, Hans‐Werner Olfs

Notice bibliographique

RevueJournal of Agricultural Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Soil, Plant Science
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Agricultural Fund for Rural DevelopmentEuropean Commission
Mots-clésSulfuric acidCitric acidSlurryAgronomyChemistryLeaching (pedology)Environmental scienceSoil waterEnvironmental chemistryInorganic chemistryEnvironmental engineeringSoil scienceFood scienceBiology

Résumé

récupéré en direct d'OpenAlex

Slurry can be acidified to reduce ammonia emissions during slurry application. As considerable quantities of sulfuric acid are required, a lot of S is applied to the soil. The aim of this study was to investigate whether the additional S supply from sulfuric acid has a positive effect on plant growth by comparing sulfuric acid with citric acid. Furthermore, the fate of the S supplied in excess to the plant requirement was investigated. A field experiment was set up with slurry acidified with sulfuric and citric acid. Yield, N and S concentrations of plant and soil samples on three dates during the growing season were measured. At harvest, grain yield was determined, and the harvested crop was analyzed for N and S concentration. After harvest, soil samples were taken on two further dates and soil mineral N (Nmin) and S (Smin) concentrations were measured. At harvest grain yield and N and S uptake by the grain were the same for the sulfuric and citric acid treatments, but the sulfuric acid treatment had significantly higher Smin levels on all dates. After harvest, Smin was then leached via the 30-60 cm layer into the 60-90 cm layer. The very high S supply from the sulfuric acid used to acidify the slurry did not affect the yield nor the N and S uptake of the wheat. S that enters the soil in excess of the plant requirements is transferred with the leachate to deeper soil layers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,766
Score d'incertitude au seuil0,232

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,218
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgriculture, Soil, Plant ScienceTravaux en français237 207