Effect of biochar on soil quality and potato productivity in New Brunswick, Canada
Bibliographic record
Abstract
La dégradation des sols est un problème mondial qui menace la productivité et la résilience des agroécosystèmes. Des technologies respectueuses de l'environnement doivent être développées pour améliorer la qualité des sols et pour promouvoir une agriculture durable. L'utilisation du biochar, un produit riche en carbone et produit à partir de résidus forestiers, a été proposée pour atteindre les objectifs d'amélioration des sols et d'atténuation des changements climatiques. L'objectif de cette étude était de déterminer les effets de l’utilisation de deux types de biochars et de deux taux d’application sur la productivité de la pomme de terre et sur les indicateurs physico-chimiques de la qualité du sol. L’hypothèse principale était que l'application du biochar affecterait positivement la structure du sol, les propriétés hydriques du sol et la fertilité des sols. De plus, une deuxième hypothèse prédisait que ces changements de la qualité du sol entraineraient des rendements supérieurs pour la production de pommes de terre. Une expérience en champ a été établie en octobre 2015. Cinq traitements ont été organisés dans un modèle de blocs latins avec cinq répétitions. Les traitements étaient un contrôle non traité, et des combinaisons factorielles de deux types de biochar (Airex et Maple Leaf) et deux taux d'application (10 et 20 t ha-1). Des échantillons de sol et de tissus végétaux ont été prélevés et analysés au cours de l’été 2016, et les rendements de pommes de terre ont été mesurés au moment de la récolte. Les deux biochars ont amélioré la stabilité des agrégats du sol et réduit la densité apparente du sol. Le biochar n'a par contre pas affecté de manière significative les propriétés hydriques du sol. Le biochar a augmenté le pH du sol, tout en augmentant la teneur en matière organique, et les concentrations de potassium et de phosphore du sol. Aucune différence significative n’a été observée en ce qui a trait aux rendements des pommes de terre. Les résultats de cette expérience suggèrent que les biochar non spécialisé produit à base de bois affectent la qualité du sol d’une manière similaire à d’autres amendements organiques (augmentation du pH, réduction de la densité apparente, augmentation de la stabilité des agrégats et augmentation de la concentration de certains nutriments dans le sol). Ils suggèrent également que le biochar n’augmentera pas nécessairement le rendement dans un système de culture de pommes de terre bien géré.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".