MétaCan
Menu
Retour à la cohorte
Enregistrement W2037854380 · doi:10.4141/cjss06041

Tillage effects on N<sub>2</sub>O emission from soils under corn and soybeans in Eastern Canada

2008· article· en· W2037854380 sur OpenAlexvenueaboutno aff
E. G. Gregorich, Philippe Rochette, P. St-Georges, Ulrica McKim, Chi-On Chan

Notice bibliographique

RevueCanadian Journal of Soil Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTillageSoil waterAgronomyNitrous oxideFertilizerEnvironmental scienceConventional tillageNitrogenNitrificationChemistrySoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

The ways in which agricultural soils are managed influence the production and emission of nitrous oxide (N 2 O). A field study was undertaken in 2003, 2004, and 2005 to quantify and evaluate N 2 O emission from tilled and no-till soils under corn (Zea maysL.) and soybeans (Glycine max L. Merr) in Ontario. Overall, N 2 O emission was lowest in 2003, the driest and coolest of the 3 yr. In 2004, the significantly larger annual N 2 O emission from no-till soils and soils under corn was attributed to an episode of very high N 2 O emission following the application of fertilizer during a period of wet weather. That the N loss by N 2 O emission occurred only in no-till soils and was large and long-lasting (~4 wk) confirms the strong effect that management has in reducing fertilizer N losses. In 2005, tilled soils had significantly larger N 2 O emission than no-till soils, most of which was emitted before the end of June. Because the tilled soils were better aerated , nitrification was likely the primary process contributing to the larger emission. Relatively low N 2 O emission from soybeans suggests biological N fixation does not appear to contribute substantially to the annual N 2 O emission. Further study of methods to reduce N 2 O emission in agricultural systems should focus on improving N use efficiency within a particular tillage system rather than looking to differences between tillage systems. Key words: Tillage, corn, soybeans, nitrogen, nitrous oxide, biogenic gas emission, nitrification, denitrification, fertilization

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,186
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207