Corn residue alters phosphorus sorption and retention dynamics in a leaching-prone soil
Notice bibliographique
Résumé
Agricultural phosphorus (P) runoff contributing to water body enrichment is a major environmental issue, particularly from high-P soils with poor retention. Conservation practices involving crop residues can alter P dynamics. This study quantified the impact of corn stalk residue added on a weight-to-weight basis on P sorption and retention in a leaching-risk soil, examining the influence of pH, ionic strength, and dissolved organic carbon (DOC) on P release. Using batch experiments, we assessed P sorption across varying residue rates (0–20.3 % w/w), P dosages (0–71.8 mg L⁻¹), and P release under different pH (5, 7, 8), ionic strength (0–0.05 M), and DOC concentrations (0–500 mg C L⁻¹). Notably, residue additions above 15.3 % substantially decreased P sorption by 30–50 % and reduced P retention capacity from 90 % to 70 %. Higher P dosages also decreased sorption efficiency (from 56 % to 41 %) and retention (from 91 % to 86 %). Furthermore, P release surged at high pH combined with low ionic strength (0 M), while higher ionic strengths (0.01–0.05 M) buffered this effect. Counterintuitively, despite DOC-derived P inputs, increasing DOC concentrations from 100 to 500 mg C L⁻¹ reduced net dissolved inorganic P from 5.8 % above control to only 0.8 % above control, suggesting rapid P transformation or complexation. These results reveal critical interactions between residue management, DOC dynamics, and soil chemistry, necessitating careful integration of P fertilization strategies with residue practices to mitigate leaching risks while preserving conservation benefits. • Corn residue alters phosphorus (P) sorption dynamics in leaching-prone agricultural soil. • Increasing residue rates significantly reduced soil P sorption and retention capacity. • Residue presence diminished P sorption efficiency, particularly at higher P dosages. • High pH and low ionic strength conditions amplified P release from the soil.
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 | 0,000 |
| 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 ».