Pola Perpindahan Unsur Hara dan Bahan Organik Pada Sawah Berteras di Kelurahan Limau Manis, Kota Padang
Notice bibliographique
Résumé
Pola perpindahan unsur hara pada tanah sawah berteras berbeda dengan sawah tidak berteras. Penelitian dilakukan untuk mengetahui pola perpindahan unsur hara di lahan sawah berteras pada lahan sawah intensif di Limau Manis Kota Padang selama satu musim tanam. Contoh tanah diambil dari empat petak teras pada lapisan olah (±15 cm), satu titik per petak. Contoh air juga dikumpulkan dari saluran masuk dan keluar setiap teras pada tiga waktu yang berbeda: saat pengolahan tanah, 10 hari setelah pemupukan, dan saat penyiangan. Parameter yang dianalisis adalah N�Total, P-Tersedia, K-dd, C-organik, KTK, pH, BV, Nitrat, Fosfat, dan Kalium. Hasil penelitian menunjukkan bahwa jumlah sedimen yang diangkut menurun dari 6,288 kg/ha di teras pertama menjadi 2,285 kg/ha di teras keempat. Pada tanah awal unsur hara menunjukkan variasi perpindahan: N-Total dan P-Tersedia meningkat dari teras pertama ke teras keempat, sementara K-dd cenderung menurun. Pada air irigasi, nitrat dan fosfat meningkat dari teras pertama ke teras keempat, dengan konsentrasi nitrat tertinggi tercatat saat pemupukan, fosfat tertinggi saat pengolahan tanah, dan kalium tertinggi saat penyiangan. Pada sedimen, nitrogen dan fosfor menurun dari petakan atas ke bawah, dan nitrogen yang berpindah tidak sebanyak bahan organik. Kalium juga mengalami penurunan dari 0,004 kg/ha di petakan atas menjadi 0,002 kg/ha di petakan bawah. Berdasarkan hasil penelitian ini, disarankan agar petani menutup saluran air pada saat pemberian pupuk untuk meningkatkan efisiensi penggunaan pupuk dan hasil panen.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».