Evaluation of the mineral status of organically grown cotton in Egypt

Klages, Susanne

doi:10.24355/dbbs.084-201202070921-0

Published

Evaluation of the mineral status of organically grown cotton in Egypt

English
German

An ‘on farm’ research was conducted in 2008-2010, investigating the production of Egyptian organic cotton. 207 data sets on the chemical composition of samples of leaf tissue and corresponding soils were statistically analyzed with SPSS (2010), version 17.0. Plant data, being more homogeneous than soil data, were used to deduce critical values for Gossypium barbadense. On the basis of the ‘BOLIDES’-approach (Heym and Schnug, 1995), algorithms were programmed with Mathematica 7 (Wolfram Research Inc., 2010) and equations for boundary lines and critical deficiency values for cotton leaf tissue were obtained. These values were compared to the means of the best performing 15 %, as proposed by Beaufils and Sumner (1976). The equations of the boundary lines thus determined for the nutrients N, P, S, K, Ca, Mg, Fe, Mn, Zn, Cu, B, Mo and for C were used to evaluate the complete data set according to ‘PIPPA’ (Professional Interpretation Program for Plant Analysis; Schnug, 1990). The same data set was evaluated with ‘DRIS’ (Diagnosis and Recommendation Integrated System, simplified formula; Walworth and Sumner, 1987) and ‘CND’ (Compositional Nutrient Diagnosis; Parent and Dafir, 1992). Critical values determined by BOLIDES were, with the exception for N, lower than the statistical mean values. There was a good consistency of the results of the three evaluation systems PIPPA, DRIS and CND, despite of the different approaches. As high-yielding plots were gathered in one sampling region, elevated leaf tissue concentrations of S, B and Mo occurring at this site, presumably without possessing a physiological yield effect, were considered for the deduction of critical values. As only few reference data are available, these values need further affirmation. Except for Cu, the yearly deduced critical values showed continuity over the years. Critical values, deduced for a high yielding and a low yielding region, clearly showed the different production potential between regions.

Auf Erzeugerbetrieben für ägyptische Ökobaumwolle fand 2008-2010 eine Praxisuntersuchung statt. 207 Datensätze der chemischen Zusammensetzung von Blatt- und Bodenproben wurden mit SPSS (2010), Version 17.0 statistisch ausgewertet. Für die Ableitung von Ertrags-Grenzwerten für Gossypium barbadense zeigten die homogeneren Pflanzendaten eine bessere Eignung als die Bodendaten. Um Grenzlinien und Ertrags-Grenzwerte für Blattproben zu ermitteln wurden, basierend auf dem ‘BOLIDES’-Ansatz (Heym und Schnug, 1995), mit Mathematica 7 (Wolfram Research Inc., 2010) Algorithmen programmiert. Die Ertrags-Grenzwerte wurden mit Durchschnittskonzentrationen der Gruppe mit den 15 % höchsten Erträgen verglichen (Beaufils und Sumner, 1976) Grenzliniengleichungen wurden für die Nährstoffe N, P, S, K, Ca, Mg, Fe, Mn, Zn, Cu, B, Mo und für C bestimmt und zur Evaluierung des gesamten Datensatzes nach den Vorgaben von ‚PIPPA‘ (Professionelles Interpretationsprogramm für die Pflanzenanalyse; Schnug, 1990) genutzt. Derselbe Datensatz wurde auch mit den Systemen ‚DRIS‘ (Integriertes Diagnose- und Beratungssystem, vereinfachte Fassung; Walworth und Sumner, 1987) und ‚CND‘ (Kombinatorische Nährstoffdiagnose; Parent und Dafir, 1992) bewertet. Die mit BOLIDES ermittelten Werte waren, mit Ausnahme für N, niedriger als die statistischen Durchschnittswerte. Die Evaluierung der Nährstoffmängel durch die unterschiedlichen Systeme PIPPA, DRIS und CDN zeigte eine gute Übereinstimmung. Die Hochertragsflächen waren regional konzentriert; erhöhte S-, B- und Mo-Gehalte in dieser Region, möglicherweise ohne ertragswirksamen Effekt, beeinflussten die Ableitung der Grenzwerte. Diese bedürfen, auch weil keine entsprechenden Literaturangaben vorliegen, daher einer weiteren Bestätigung. Außer für Cu zeigten die jährlich abgeleiteten Ertrags-Grenzwerte Kontinuität. Regionale Ertrags-Grenzwerte der Hochertrags- und Niedrigertragsstandorte zeigten sehr deutlich das unterschiedliche Ertragspotenzial der Regionen.