Residual Effects of Potassium Placement and Tillage Systems for Corn on Subsequent No‐Till Soybean
Notice bibliographique
Résumé
Little is known about K fertility management for no‐till (NT) soybean [ Glycine max (L.) Merr.]. This study was conducted to evaluate the residual effects of K application rate, timing, and placement for corn ( Zea mays L.) in various tillage systems on subsequent NT soybean. Field experiments involving a corn–soybean rotation were conducted from 1998 to 2000 on long‐term NT fields with medium or high exchangeable soil K levels near Kirkton and Belmont, ON, Canada. In the corn year, treatments included the combinations of three fall K rates (0, 42, and 84 kg ha −1 ), spring K rates (two rates differing by 42 kg ha −1 ), and three tillage systems [NT, zone till (ZT), and moldboard plow (CT)]. Both CT and ZT (also known as intermittent tillage systems) reduced soil K stratification relative to continuous NT. Trifoliate leaf K concentrations increased with residual fall and spring K applications in most site‐years. Average soybean yield significantly increased by 8.3% with the application of 84 kg K ha −1 in fall plus 42 to 50 kg K ha −1 in spring to previous corn only on medium‐testing (K < 100 mg L −1 ) soils. Residual tillage had no effects on leaf K or yield of NT soybean. Application of fall and spring K fertilizers to corn was equally beneficial for subsequent soybean in either continuous or intermittent NT systems. Furthermore, soil K stratification and the residual effects of tillage and K placement method were not major production issues for narrow‐row NT soybean in these growing seasons.
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 ».