Tillage, crop residue and crop sequence effects on nitrogen availability in a legume-based cropping system
Notice bibliographique
Résumé
A field study was conducted to determine the effects and interactions of crop sequence, tillage and residue management on labile N pools and their availability because such information is sparse. Experimental treatments were no-till (NT) vs. conventional tillage (CT), and removal vs. retention of straw, imposed on a barley (Hordeum vulgare L.)-canola (Brassica rapa L.)-field pea (Pisum sativum L.) rotation. 15 N-labelling was used to quantify N uptake from straw, below-ground N (BGN), and fertilizer N. Straw retention increased soil microbial biomass N (MBN) in 2 of 3 yr at the four-leaf growth stage of barley, consistent with observed decreases in extractable soil inorganic N at seeding. However, crop yield and N uptake at maturity were not different between straw treatments. No tillage increased soil MBN, crop yield and N uptake compared to CT, but had no effect on extractable soil inorganic N. The greater availability of N under NT was probably related to soil moisture conservation. Tillage effects on soil and plant N were mostly independent of straw treatment. Straw and tillage treatments did not influence the uptake of N from its various sources. However, barley following pea (legume/non-legume sequence) derived a greater proportion of its N from BGN (13 to 23% or 9 to 23 kg N ha -1 ) than canola following barley (nonlegumes) (6 to 16% or 3 to 9 kg N ha -1 ). Fertilizer N constituted 8 to 11% of barley N uptake and 23 to 32% of canola N uptake. Straw N contributed only 1 to 3% of plant N uptake. This study showed the dominant influence of tillage on N availability, and of the preceding crop or cropping sequence on N uptake partitioning among available N sources. Key words: Crop residue, crop sequence, labile nitrogen, nitrogen uptake, pea, tillage
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 | 0,001 | 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 | 0,000 | 0,001 |
| 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 ».