Selenium Concentration in Spring Wheat and Leaching Water as Influenced by Application Times of Selenium and Nitrogen
Notice bibliographique
Résumé
Selenium (Se) deficiency in Scandinavian soils is a common problem, and crops generally contain inadequate amounts to meet human need. This study shows a relationship of the Se concentration in spring wheat (Triticum aestivum L., c.v. ‘Helena’) and leaching water with timing of nitrogen (N) [as ammonium nitrate (NH4NO3)] and Se [as sodium selenate (Na2SeO4)] application. Ammonium-nitrate was applied by two methods (i) whole amount at sowing and (ii) in split application as 75% at sowing and 25% at stem elongation. Selenate was applied at cereal growth stages after sowing, e.g., tillering, stem elongation, head emergence, and milking. Split N application in comparison to one N application increased the grain protein content from 12.1 to 13.7 mg g− 1, and grain Se was increased from 0.8 to 1.1 mg kg− 1 when Se was applied at stem elongation and from 0.6 to 0.9 mg kg− 1 when applied at heading. The highest Se concentration in plant was achieved with the split N application and Se application at stem elongation or heading. Selenium leaching losses increased with increasing selenium concentration in the wheat grains. No differences in Se leaching losses were obtained with split N application. Applying selenate and ammonium-nitrate together after tillering increased the grain Se concentration, but did not affect the potential leaching of Se, and thus could be considered as an appropriate time of application of these elements.
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 | 0,000 | 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 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 ».