The Effect of Humalite on Improving Soil Nitrogen Availability and Plant Nutrient Uptake for Higher Yield and Oil Content in Canola
Notice bibliographique
Résumé
Abstract Over the last half‐century, the widespread use of synthetic chemical fertilizers has boosted crop yields but caused noticeable environmental damage. In recent years, the application of humic substances to increase plant growth and crop yield has gained considerable interest, largely due to their organic origin and their ability to reduce nutrient losses while enhancing plant nutrient use efficiency. Humalite, found exclusively in large deposits in southern Alberta, Canada, is rich in humic substances and has low levels of unwanted ash and heavy metals, which makes it particularly valuable for agricultural applications. However, its effects on canola, the largest oilseed crop in Canada and the second‐largest in the world, have yet to be evaluated. This study investigated the effects of five Humalite rates (0, 200, 400, 800, and 1600 kg ha ‐1 ) in combination with nitrogen, phosphorus, and potassium (NPK) applied at recommended levels, on canola growth, soil nitrogen availability, plant nutrient uptake, photosynthesis, seed yield, seed oil content, and nitrogen use efficiency under controlled environmental conditions. The results demonstrated that Humalite application significantly enhanced soil nitrogen availability, uptake of macro‐ and micronutrients (N, P, K, S, Mg, Mn, B, Fe and Zn), shoot and root biomass, net photosynthesis, and water use efficiency as compared to the NPK alone treatment. The application of Humalite also led to increased seed yield, seed oil content, and nitrogen use efficiency. Taken together, Humalite could serve as an effective organic soil amendment to enhance canola growth and yield while enhancing fertilizer use efficiency.
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 ».