ẢNH HƯỞNG DÀI HẠN CỦA PHÂN HỮU CƠ TRONG CẢI THIỆN ĐỘ PHÌ NHIÊU ĐẤT VÀ NĂNG SUẤT TRÁI CHÔM CHÔM (NEPHELIUM LAPPACEUM L.) TẠI CHỢ LÁCH - BẾN TRE
Bibliographic record
Abstract
Sử dụng phân bón vô cơ với lượng cao, không cân đối đưa đến sự suy giảm về mặt hóa lý, sinh học đất liếp vườn cây ăn trái. Mục tiêu của đề tài nghiên cứu nhằm đánh giá hiệu quả dài hạn của các dạng phân hữu cơ trong cải thiện đặc tính đất liếp vườn và năng suất trái chôm chôm. Thí nghiệm được thực hiện qua 6 vụ canh tác với 3 loại phân hữu cơ gồm bã bùn mía, cặn hầm ủ biogas, phân trùn quế với lượng 18 kg.cây-1 kết hợp với lượng phân vô cơ theo khuyến cáo so với lượng phân bón vô cơ như nông dân. Kết quả phân tích đất sau 6 vụ bón phân hữu cơ cho thấy pH đất, chất hữu cơ, đạm (N) hữu dụng, lân (P) hữu dụng, kali (K) trao đổi, canxi (Ca) trao đổi, phần trăm baze bão hòa trong đất, độ bền cấu trúc đất, hô hấp đất được cải thiện tốt, khác biệt có ý nghĩa (P < 0,05) so với nghiệm thức đối chứng. Sau 6 vụ bón phân hữu cơ kết hợp bã bùn mía, cặn hầm ủ biogas và phân trùn quế, năng suất trái tăng 60 ? 136% so với nghiệm thức chỉ sử dụng phân vô cơ như nông dân. Trọng lượng trái, số trái.kg-1 được cải thiện hiệu quả nhất ở nghiệm thức bón phân bã bùn mía và cặn hầm ủ biogas. Kết quả nghiên cứu cần thiết được khuyến cáo giảm phân vô cơ, bón phân hữu cơ nhằm giúp tăng cường độ phì nhiêu đất liếp vườn chôm chôm và tăng thu nhập cho nông dân.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".