Evaluating Nutrient Removal and Use Efficiency in Pearl Millet (<i>Pennisetum glaucum </i>L.) through Arbuscular Mycorrhizal Fungi Inoculation and Fertilizer Microdosing in Sahelian Sandy Soils
Notice bibliographique
Résumé
Pearl millet (Pennisetum glaucum), a staple cereal in the Sahel, faces severe yield limitations due to sandy, nutrient-poor soils and erratic rainfall. Sustainable fertilization strategies that enhance nutrient use efficiency are urgently needed. This study evaluated the combined effects of arbuscular mycorrhizal fungi (AMF) inoculation and fertilizer microdosing on nutrient removal and agronomic efficiency in pearl millet grown in Sahelian sandy soil. A greenhouse experiment with nine treatments combining NPK, urea, cow manure, and AMF was conducted using soil pots arranged in a completely randomized design with five replicates. Nutrient removal (N, P, K, Ca, Mg, Cu, Mn, Fe, Ni) and shoot dry biomass were measured after 12 weeks, and agronomic efficiency (AE) was calculated for N, P, and K. Treatments significantly affected nutrient removal (p < 0.001). AMF alone enhanced micronutrient removal, particularly Mn (296 mg/kg) and Fe (550 mg/kg), while manure + AMF increased macronutrient removal (N ≈ 17 mg/kg, K ≈ 81 mg/kg). Moderate NPK microdosing with AMF achieved the highest AE values (AEN = 6.7 g/g; AEP = 15.8 g/g; AEK = 15.8 g/g). High-input treatments increased nutrient removal but reduced efficiency. This controlled environment study demonstrates that AMF-based microdosing is a promising strategy to improve nutrient efficiency in pearl millet grown on Sahelian sandy soils.
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 | 0,000 | 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 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 ».