Notice bibliographique
Résumé
Soil nitrogen mineralization potential (N min) has to be spatially quantified to enable farmers to vary N fertilizer rates, optimize crop yields, and minimize N transfer from soils to the environment. The study objectives were to assess the spatial variability in soil N min potential based on clay and organic matter (OM) contents and the impact of grouping soils using these criteria on corn grain (Zea mays L.) yield, N uptake response curves to N fertilizer, and soil residual N. Four indicators were used: OM content and three equations involving OM and clay content. The study was conducted on a 15-ha field near Montreal, Quebec, Canada. In the spring 2000, soil samples (n = 150) were collected on a 30- x 30-m grid and six rates of N fertilizer (0 to 250 kg N ha(-1)) were applied. Kriged maps of particle size showed areas of clay, clay loam, and fine sandy loam soils. The N min indicators were spatially structured but soil nitrate (NO3-) was not. The N fertilizer rate to reach maximum grain yield (N max), as estimated by a quadratic model, varied among textural classes and Nmin indicators, and ranged from 159 to 250 kg N ha(-1). The proportion of variability (R2) and the standard error of the estimate (SE) varied among textural groups and N min indicators. The R2 ranged from 0.53 to 0.91 and the SE from 0.13 to 1.62. Corn grain N uptake was significantly affected by N fertilizer and the pattern of response differed with soil texture. For the 50 kg N ha(-1) rate, the apparent N min potential (ANM) was significantly larger in the clay loam (122 kg ha(-1)) than in the fine sandy loam (80 kg ha(-1)) or clay (64 kg ha(-1)) soils. The fall soil residual N was not affected by N fertlizer inputs. Textural classes can be used to predict N max. The N min indicators may also assist the variable rate N fertilizer inputs for corn production.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».