L’impact des pratiques agricoles pour la production de bleuets sauvages sur la fertilité du sol.
Bibliographic record
Abstract
Les pratiques agricoles sont couramment utilisées pour améliorer la croissance des plants et le rendement en fruits dans la culture du bleuet sauvage. Cependant, la façon dont la méthode de taille, l'application d'engrais et de fongicides affectent la fertilité du sol au cours d'une saison de croissance dans les champs de bleuet n'a pas été clairement établie. Nous avons donc étudié la réponse de la dynamique de l'azote (N) et du phosphore (P) du sol après 6 années de pratiques agricoles pendant une saison de croissance simulée en incubation aérobie. Nous avons également caractérisé le pH du sol, la matière organique du sol et la dynamique des nutriments (P, K, Ca, Mg, Fe et Al), qui sont importants pour la fertilité du sol dans la culture du bleuet. Par comparaison aux engrais organiques, les engrais minéraux ont permis d'augmenter de 74 kg ha-1 la quantité de N-NH4 minéralisé. La quantité de N-NH4 minéralisé était 5,5 fois plus élevée que la quantité de N-NO3 minéralisé. Pour la dynamique du P, la fertilisation minérale et organique ont permis d’augmenter la quantité de P minéralisé de 116 kg ha-1 et 161 kg ha-1 respectivement. La fauche thermique a eu tendance à diminuer de 6% la matière organique du sol, de 15% l'azote total et de 33% la quantité de NO3-N minéralisé. En conséquence, moins d'azote organique a été minéralisé en NH4-N et ensuite en N-NO3 par les micro-organismes du sol suite à cette pratique. Cette étude a permis de mettre en évidence l'impact des pratiques agricoles sur les processus de minéralisation de l’N et du P dans le sol et sur différents indices de fertilité du sol, pouvant avoir un impact sur la résilience du système de production sur le long terme.
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 | 0.001 | 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 | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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".