Evaluation of Alternative Nitrogen Fertilizers for Corn and Winter Wheat Production
Notice bibliographique
Résumé
As natural gas, and thus N fertilizer, prices increase, farmers are looking for ways to decrease N costs in farming operations. To potentially alleviate this cost burden, alternative synthetic N fertilizers are available as potential management tools for increasing crop yields and N use efficiency, and decreasing volatilization. In North Carolina specifically, little data exists on these new, synthetic N fertilizer products being marketed to farmers. Therefore, we undertook a study to compare them with aqueous urea ammonium nitrate (UAN) [(NH 2 ) 2 CO, NH 4 NO 3 ] during a 2‐yr field experiment. Corn ( Zea mays L.) and wheat ( Triticum aestivum L.) were grown in the three physiographic regions of North Carolina with four fertilizer sources (NutriSphere [Specialty Fertilizer Products, Leawood, KS], Environmentally Smart Nitrogen Polymer Coated Urea or ESN [Agrium Inc., Alberta, Canada] UCAN‐23 [Yara, Tampa, FL], and UAN) at up to six fertilizer rates. The use of the alternative products did not regularly produce more corn or wheat grain compared to UAN, while wheat straw yield was greater with NutriSphere, UCAN, and UAN compared to ESN in three of four site years. Also, an aerobic incubation experiment was performed to evaluated N release profiles of the fertilizers at 25°C. The study found that NutriSphere and UCAN release time was similarly to UAN, while ESN showed a slower release profile. However, any difference in release did not affect yields of spring planted corn, NutriSphere and ESN increased corn stover yields in 3 of 6 site‐years. In determining whether to use these alternative N fertilizer products, farmers should consider location, climatic conditions, and fertilizer costs in comparison to UAN.
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 | 0,000 |
| 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 ».