Corn Response to Nitrogen is Influenced by Soil Texture and Weather
Notice bibliographique
Résumé
Soil properties and weather conditions are known to affect soil N availability and plant N uptake; however, studies examining N response as affected by soil and weather sometimes give conflicting results. Meta‐analysis is a statistical method for estimating treatment effects in a series of experiments to explain the sources of heterogeneity. In this study, the technique was used to examine the influence of soil and weather parameters on N response of corn (Zea mays L.) across 51 studies involving the same N rate treatments that were performed in a diversity of North American locations between 2006 and 2009. Results showed that corn response to added N was significantly greater in fine‐textured soils than in medium‐textured soils. Abundant and well‐distributed rainfall and, to a lesser extent, accumulated corn heat units enhanced N response. Corn yields increased by a factor of 1.6 (over the unfertilized control) in medium‐textured soils and 2.7 in fine‐textured soils at high N rates. Subgroup analyses were performed on the fine‐textured soil class based on weather parameters. Rainfall patterns had an important effect on N response in this soil texture class, with yields being increased 4.5‐fold by in‐season N fertilization under conditions of “abundant and well‐distributed rainfall.” These findings could be useful for developing N fertilization algorithms that would prescribe N application at optimal rates taking into account rainfall pattern and soil texture, which would lead to improved crop profitability and reduced environmental impacts.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».