Alternative Sources of Potassium for Soybean Crops
Notice bibliographique
Résumé
Over the last three decades, soybean production in the Brazilian agricultural sector has experienced significant yield growth. The soil must have adequate fertility to provide nutrients for good agricultural yield. This study aimed to evaluate the effect of different sources and doses of potassium on the soybean grain yield and its components. The experiment was conducted in the 2022/2023 crop season at the experimental field of the Goiás State University in Ipameri, GO. The experimental design used was randomized blocks arranged in a 3 x 5 factorial scheme, with three potassium sources potassium chloride (KCl: 58% K2O), Phonolite (Ph1:8% K2O and 25% Si), and Hydrothermalized Phonolite (HPh2:12% K2O and 25% Si) and five doses (0, 50, 100, 150, and 200 kg ha-1), with four replications. The management used the no-till system on sorghum straw planting the NEO 750 IPRO soybean cultivar. According to the results, there was an influence of the interaction between the factors only on the number of pods per plant. The potassium doses influenced the first pod insertion height, hectoliter mass, and grain yield. Based on the results, potassium fertilization using the alternative sources, Ph1 and HPh2, reached satisfactory grain yield levels compared to KCl, with the maximum grain yield value, regardless of the source, occurring at a dose of 138.18 kg ha-1 of potassium.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».