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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».