Grain Corn and Soil Nitrogen Responses to Sidedress Nitrogen Sources and Applications
Notice bibliographique
Résumé
The efficiency of synthetic N fertilization can be improved by selecting the fertilizer source and application that best matches the soil N supply and crop demand. A field experiment was conducted for 3 yr (2004–2006) on a clay soil near Québec City, QC, Canada, to evaluate the effects of N fertilizer source and application on corn (Zea mays L.) yield, plant N accumulation, and residual soil inorganic N. Treatments consisted of an unfertilized control (0 N) and three sources of N fertilizer (urea ammonium nitrate 32% [UAN], calcium ammonium nitrate [CAN], and aqua ammonia [AA]) applied at three different concentrations (100, 150, and 200 kg N ha−1). Nitrogen fertilizers were banded 5 cm below the soil surface between corn rows at the six‐leaf stage every year. Fertilizer source affected grain corn with the highest mean yields (8.9 Mg ha−1) and total plant N accumulation achieved with UAN at any application. For all fertilizer sources, the linear‐plus‐plateau model best described the corn response to N application with optimum rate at 100, 124, and 128 kg N ha−1 for UAN, CAN, and AA, respectively. At harvest each year, the concentration of residual soil inorganic N increased in the upper layer. Under the cool and humid climatic prevailing conditions, UAN was the most efficient synthetic N fertilizer when banded into the soil at sidedress.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».