Improving Soil Fertility and Forage Production Using Spruce Bark Biochar in an Eastern Newfoundland Podzolic Soil
Notice bibliographique
Résumé
Biochar has been widely used in agriculture to improve soil quality, support soil remediation, enhance carbon sequestration, and mitigate climate change. Podzolic soils, such as those in Newfoundland, are typically acidic, low in organic matter, and poor in nutrients, which can limit their agricultural productivity. Applying biochar alongside nitrogen fertilization presents a promising strategy to enhance soil fertility, nutrient uptake, and forage productivity. This study evaluated the effects of spruce bark biochar (SB550) and nitrogen fertilization on soil properties, nutrient uptake, and Festulolium forage growth under greenhouse conditions in podzolic soils of Newfoundland, Canada. Five biochar rates (0%, 2%, 5%, 8%, and 10% by soil volume) were combined with two nitrogen levels (0 and 60 kg N ha−1). Soil analyses included pH, soil organic matter (SOM), cation exchange capacity (CEC), and nutrient availability (Ca, Mg, K, P, S, Zn, Mn, and B). In contrast, forage nutrient uptake, biomass production, and quality were assessed. Results showed that biochar significantly increased soil pH, SOM, CEC, and nutrient availability for key elements such as Ca, Mg, and K, while reducing potentially harmful elements such as Na and Mn. The Festulolium nutrient uptake and biomass improved, with dry matter and root biomass increasing by up to 32%. The combined application of biochar and nitrogen further amplified these benefits. This study highlights the potential of biochar as a sustainable soil amendment for improving soil properties and forage productivity in podzolic soils. The findings suggest that biochar, particularly with nitrogen, can significantly enhance soil fertility and agricultural productivity, making it a viable strategy for sustainable forage production in Newfoundland.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».