Nitrogen loss by surface runoff from different cropping systems
Notice bibliographique
Résumé
Reducing nitrogen (N) loss from agricultural soils as surface runoff is essential to prevent surface water contamination. The objective of 3-year study, 2007–09, was to evaluate surface runoff and N loss from different cropping systems. There were four treatments, including one single-crop cropping system with winter wheat (Triticum aestivum L.) followed by summer fallow (wheat/fallow), and three double-cropping systems: winter wheat/corn (Zea mays L.), wheat/cotton (Gossypium hirsutum L.), and wheat/soybean (Glycine max L. Merrill). The wheat/fallow received no fertiliser in the summer fallow period. The four cropping systems were randomly assigned to 12 plots of 5 m by 2 m on a silty clay soil. Lower runoff was found in the three double-cropping systems than the wheat/fallow, with the lowest runoff from the wheat/soybean. The three double-cropping systems also substantially reduced losses of ammonium-N (NH4+-N), nitrate-N (NO3–-N), dissolved N (DN), and total N (TN) compared with the wheat/fallow. Among the three double-cropping systems, the highest losses of NO3–-N, DN, and TN were from the wheat/cotton, and the lowest losses were from the wheat/soybean. However, the wheat/soybean increased NO3–-N and DN concentrations compared with wheat/fallow. The losses in peak events accounted for >64% for NH4+-N, 58% for NO3–-N, and 41% for DN of the total losses occurring during the 3-year experimental period, suggesting that peak N-loss events should be focussed on for the control of N loss as surface runoff from agricultural fields.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».