Nitrous Oxide Emissions from a Clay Soil Receiving Granular Urea Formulations and Dairy Manure
Notice bibliographique
Résumé
Soil N 2 O emissions vary with N source. A study was undertaken on a clay soil in the Red River Valley, Manitoba, Canada, to determine the effect of granular N fertilizers and dairy manure on N 2 O emissions from a field cropped to rapeseed ( Brassica napus L.) in 2009 and spring wheat ( Triticum aestivum L.) in 2010. Treatments included an unamended control, granular urea, controlled‐release urea (ESN), stabilized urea (SuperU), and solid dairy manure added at rates to achieve a total of 140 kg available N ha −1 (product plus soil N test). The N fertilizers were broadcast and shallowly incorporated each spring before planting; the manure was broadcast incorporated the previous fall. Nitrous oxide emissions were monitored from planting to freeze in fall and during spring thaw in 2011 using static‐vented chambers. In both years, N 2 O emissions occurred within 4 to 5 wk of planting but not in fall after manure application. Area‐scale cumulative N 2 O emissions ( ∑ N 2 O, kg N ha −1 ) from planting to freeze were control < ESN = manure < urea = SuperU. Nitrous oxide emission factors were 0.017 kg N 2 O‐N kg −1 available N added for urea and SuperU and 0.007 kg N 2 O‐N kg −1 available N for ESN. Seventy‐eight percent of the variation in ∑ N 2 O could be explained by NO 3 − intensity, an integration of soil NO 3 − concentrations during the study periods. Greater ∑ N 2 O were also associated with higher yields. These findings suggest that N release rates, as indicated by NO 3 − intensity and yield, determined N 2 O emissions. The results highlight the challenge of meeting crop demand yet reducing N 2 O emissions by selection of an N source.
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 | 0,001 | 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) | 0,001 | 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 ».