Beyond synthetic fertilizers: Recycled organic residuals deliver balanced nutrition and sustained corn yield
Notice bibliographique
Résumé
Context Recycling organic wastes into fertilizing residual materials (FRMs) offers a powerful strategy to replace synthetic fertilizers, reduce environmental impacts, and promote circular agriculture. Yet, their agronomic value in cool-climate regions such as Eastern Canada remains underexplored, particularly regarding nutrient balance. Objective The main objective of this study is to evaluate the agronomic performance of eight recycled FRMs derived from composts, digestates, sludges, and ashes applied in combination with mineral fertilizers on silage and grain corn across two contrasting soil textures over two seasons. Method A study was conducted on two experimental sites where FRMs substituted either one-third of the nitrogen or the total phosphorus requirements. Corn yield was measured on the central rows of each plot. The nutritional status of grain corn was assessed with the Compositional nutrient diagnosis (CND) at the silking stage. At the end of the experiment, soil samples (0–10 cm) were taken and analyzed for chemical properties. Results Results showed that all FRM treatments matched the yield of full mineral fertilization (10.55 Mg ha⁻¹ and 11.18 Mg ha⁻¹ on clay and loam soils, respectively). On the well-drained loam site, every FRM supported balanced crop nutrition, with composts and deinking paper sludge outperforming the mineral-only treatment. On the poorly drained clay soil, almost all treatments, even the mineral treatment, produced unbalanced grain corn. Only the digestates provided balanced nutrition, showcasing their superior mineralization potential. Conclusion These findings demonstrate that FRMs can effectively replace synthetic fertilizers without compromising yield or crop health. By transforming organic waste into high-value agronomic inputs, this approach enhances sustainability, cuts production costs, and strengthens the resilience of farming systems.
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) | 0,001 | 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 ».