Gestion optimale et intégrée de la fertilité des sols acides du Burundi
Bibliographic record
Abstract
Les sols du Burundi sont pauvres à cause de la toxicité aluminique, de la carence en Ca, Mg, en potasse et en soufre ainsi qu’une faible activité microbienne avec une faible capacité de fixation d’azote. Pour pallier à ce genre de problème, des essais visant une combinaison optimale de la fumure organique, minérale et des amendements calcaires ont été conduits à Kabarore et à Rutegama sur le haricot volubile de la variété Umuhoro et Umukutsa et sur la pomme de terre de la variété Ndinamagara sur des sols ferrallitiques. Des résultats confirmant l’effet positif de cette combinaison ont été enregistrés, mais ont toujours laissé des questionnements sur l’effet du chaulage sur de tels types de sols. Dans les sols acides très faiblement toxifiés par l’aluminium, des quantités annuelles de 250 à 500 kg/ha/saison de calcaire peuvent suffire pour saturer le complexe adsorbant, améliorer la fertilité du sol en peu d’années et assurer une meilleure production. Ainsi, la combinaison d’une fumure complète incluant tous les éléments majeurs NPK, du fumier et d’une dose légère de calcaire est utile. La condition sine qua non de l’efficacité d’une telle combinaison est qu’elle soit accompagnée d’une mesure de protection antiérosive pour les sols érodibles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".