Synergistic Effects of Biochar and Irrigation on Sugar Beet Growth, Yield, Quality, and Economic Benefit in Arid Regions
Notice bibliographique
Résumé
Water scarcity hinders sustainable agriculture in arid and semi-arid regions. This study investigated the combined effects of trickle irrigation and biochar application on sugar beet cultivation in northwest China’s arid and semi-arid regions, addressing challenges of water scarcity. Three-year field experiments were conducted using plastic film mulch, four irrigation levels based on crop evapotranspiration (0.6–1.2 ETc), and four biochar application rates (0–30 t ha−1). Results showed that biochar application increased sugar beet germination rates by 7.2–24.5% and enhanced relative chlorophyll content by 3.1–22.1%. Optimal combinations of irrigation and biochar significantly improved growth indices and yield, with maximum values observed under the highest irrigation (1.2 ETc) and 10 t ha−1 biochar treatment. However, the 1.0 ETc irrigation treatment with 10 t ha−1 biochar demonstrated superior water use efficiency (14.8% higher), sustainable yield index (1.1% higher), and economic benefits (1.4% higher) compared to the highest irrigation treatment. Considering growth, yield, quality, water use efficiency, sustainability, and economic factors, an irrigation level of 1.0 ETc combined with a biochar application rate of 10 t ha−1 is recommended for sugar beet cultivation in Xinjiang. This study provides valuable insights and practical strategies for water conservation, high yield, and quality improvement in sugar beet cultivation under arid and semi-arid conditions, contributing to sustainable agricultural practices in water-scarce regions.
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 ».