Long‐Term Manure Application and Forages Reduce Nitrogen Fertilizer Requirements of Silage Corn–Cereal Cropping Systems
Notice bibliographique
Résumé
Assessment of the soil N supply capacity is essential to optimize fertilizer N use. We investigated soil N supply capacity and fertilizer N recovery for three cropping systems established in 1977: silage corn ( Zea mays L.)–cereal without (CC) and with 20 Mg ha −1 yr −1 manure (CCM), and silage corn–forage (3‐yr) with manure (CFM). During the present study (2005–2008), manure applications were suspended and a silage corn–silage corn–barley ( Hordeum vulgaris L.)–wheat ( Triticum aestivum L.) sequence was imposed to all systems. Fertilizer ( 15 NH 4 15 NO 3 , 3.1 atom % 15 N) was applied in 2005 to silage corn (160 kg N ha −1 ) and in 2007 to barley (80 kg N ha −1 ). The 15 N recovery in silage corn and barley ranged from 40 to 59%, with the lowest values measured in CFM. Compared to the CC systems (47 kg N ha −1 ) in 2005, soil‐derived N in silage corn was two times higher under CCM (98 kg N ha −1 ), and four times higher under CFM (208 kg N ha −1 ). These differences decreased over years, but were still noticeable at the end of the experiment. Twenty‐two to 58% of applied 15 N was recovered in the soil at harvest. More than 50% of this residual N was present in macroaggregates (>0.25 mm), whereas <20% was present in particulate organic matter (POM). Up to 75% of residual 15 N was lost during the winter period, and little residual N was transferred to the following crop. These findings indicate that soil macroaggregates may be a preferential sink for residual fertilizer N, but this N is not present in stable forms and is vulnerable to environmental loss.
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 ».