Side-deep banding liquid fertilizer during transplanting for indica rice crops promoted root system development to enhance grain yield and improve nitrogen use efficiency
Notice bibliographique
Résumé
Mechanical side-deep fertilization (MSDF) method during transplanting and the utilization of liquid nitrogen fertilizer both offer significant benefits to rice production. However, research integrating these two approaches remains unexplored. This study aims to evaluate the method of side-deep banding application of liquid fertilizer (D-LF), compare it to side-deep banding application of solid fertilizer (D-SF) and broadcasting of solid fertilizer (B-SF), all synchronized with mechanical transplanting, and explore the impacts of these methods on rice production. Field experiments using the completely random block design were conducted on four indica rice varieties at two locations in South China (Zhaoqing and Jiangmen) during the two rice seasons. Each experiment included a non-nitrogen fertilizer treatment, namely the control (C), and three nitrogen fertilizer application treatments: D-LF, D-SF, and B-SF. The results indicated that at the midterm tillering stage (MT), the D-LF treatment exhibited the best root characteristics, and the tillering number under D-LF increased by 10.36 %–26.54 %, compared to D-SF and B-SF. At the maturity stage (MS), D-LF resulted in a 7.37 %–24.02 % increase in grain yield, compared to D-SF and B-SF. Significant positive correlations were shown between root characteristics and grain yield by Pearson correlation analysis. Additionally, nitrogen use efficiency (NUE) under D-LF was significantly improved relative to D-SF and B-SF. Notably, compared to existing fertilizer application methods, D-LF enhances rice root traits at the early growth stages, improving early tillering capacity and increasing the number of effective panicles , which ultimately boosts grain yield. Moreover, this method effectively improves the NUE and economic profitability. This study is the first to combine the mechanical side-deep fertilization with liquid fertilizer and compare their impact on rice production with traditional methods, offering valuable insights for optimizing nitrogen fertilizer application strategies in rice cultivation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».