Soil amendments for increasing water and nutrient use efficiencies, reducing fertilizer pollution, and greater green pepper yield and quality
Bibliographic record
Abstract
Avec l'augmentation de la demande alimentaire mondiale, les systèmes agricoles doivent optimiser l'utilisation des sols et de l'eau douce tout en minimisant les impacts environnementaux. L'utilisation excessive d'engrais dans les sols à texture grossière entraîne le lessivage et le ruissellement des nutriments, réduisant la productivité des cultures et provoquant de la pollution. L'étude visait à étudier les effets des amendements du sol sur l'efficacité de l'utilisation des nutriments et de l'eau, le rendement des cultures et la qualité des fruits dans les sols à texture grossière. Trois expériences en pots, conduites à l’extérieur ont été menées de 2018 à 2020, en utilisant des sols amendés de 1 % et 3 % de biochar, de 1 % de chaux et/ou de 0,5 % d'hydrogels commerciaux et naturels dans la couche de sol située entre 5 à 10 cm de la surface. Chaque expérience a suivi un plan en blocs complets randomisés avec quatre répétitions.Le premier essai a été menée sur une période de trois ans avec des poivrons verts cultivés dans un sol sablonneux limoneux. Les traitements étaient : biochar de bois dur (B), chaux (L), hydrogel (H), biochar-chaux (BL), biochar-hydrogel (BH), hydrogel-chaux (HL) et biochar-hydrogel-chaux (BHL). Les résultats ont montré que les traitements B, H, BH, HL et BHL réduisaient significativement la perte de nitrate-N, tandis que les traitements L, H, BH, HL et BHL diminuaient significativement la perte d'orthophosphate-P (p ≤ 0,05). Le rendement a augmenté de manière significative (p ≤ 0,05) avec l’utilisation de BH, HL et BHL par rapport au témoin et aux amendements simples. La taille des poivrons verts cultivés avec les traitements de B, L, BH, HL et BHL était supérieure aux autres, tandis que la texture a été améliorée avec les traitements de B, BH et BHL. La deuxième expérience a été menée sur une période de deux ans avec des plants de poivrons verts en pot pour examiner l'impact des taux d'application de biochar de paille de blé à 0 %, 1 % et 3 % (p/p) sur le lessivage des nutriments dans les sols fertiles et moins fertiles. Les résultats ont indiqué que l'ajout de 1 % et 3 % de biochar réduisait significativement (p ≤ 0,05) le volume de lixiviat et les pertes de nitrate-N et d'orthophosphate-P. Dans le sol moins fertile, le rendement des poivrons a augmenté de manière significative (p ≤ 0,05) avec l’ajout de BC à 3 %. La taille, l'épaisseur, la texture, et la valeur nutritive des poivrons se sont améliorées (p ≤ 0,05) par l’addition de l'amendement BC 3 % et cela dans les deux types de sol.La troisième expérience a été menée, sur une période de deux saisons, pour examiner les effets de trois niveaux d'irrigation (100 %, 60 % et 40 % de l'irrigation complète) et l’ajout d'hydrogel naturel (NH) et commercial (CH) sur la production de poivrons verts dans un sol à texture grossière. Les résultats ont révélé que l’utilisation de CH ou de NH avec 100 % d'irrigation permettait de réduire (p ≤ 0,05) les pertes de nitrate-N et d'orthophosphate-P. Le rendement le plus élevé de poivron vert a été obtenu avec le CH et NH à pleine irrigation, suivi d'une irrigation à 60 %. L’utilisation du CH ou du NH, avec une irrigation à 60 % ou à 40 % a permis d’améliorer (p ≤ 0,05) la texture des fruits. Les traitements de CH ou de NH ont permis d’améliorer la taille, l'épaisseur et la couleur des fruits et la qualité nutritionnelle sur tous les niveaux d’irrigation.L’étude a démontré que l’utilisation des H et des co-amendements BH, HL et BHL permettait de réduire les pertes de nutriments, réduisant ainsi la pollution des eaux souterraines. Le biochar peut être appliqué à des taux de 1 % ou 3 % (p/p) pour minimiser les pertes par lessivage des nutriments dans les sols à texture grossière. D’autres études sur le terrain sont nécessaires pour évaluer l’efficacité de ces amendements dans différents types de sols et de cultures sous divers climats
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| 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 | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".