Short‐Range Spatial Variability of Nitrogen Fixation by Field‐Grown Chickpea
Notice bibliographique
Résumé
Biological N fixation (BNF) by legumes under field conditions is known to vary widely across landscapes and between agroecosystems. A poor correlation between the 15 N Natural Abundance ( 15 NA) and 15 N Enriched ( 15 NE) approaches for estimating BNF across the landscape has been observed by many. These observations led some to conclude that the two approaches are measuring different processes and can not be compared. Others argue that short‐range spatial variability of BNF is very high, thereby obscuring any relationships between experimentally measured estimates of BNF. Our study, which quantifies spatial variability of BNF using the 15 NA approach, provides evidence that short‐range spatial variability of BNF is very high. In a field study, BNF of chickpea ( Cicer arietinum L.) was measured at 0.3‐m intervals on a 33‐m transect, using wheat ( Triticum aestivum ‘Katepwa’) as reference crop. Each crop was sampled at 110 points along the transect. Estimates of BNF in the grain varied from 36 to 70%, with a mean value of 55%. The variogram for BNF had a range of 3.2 m and a relative nugget effect of 71%. Using a simulation study, we calculated r 2 of 0.12 and 0.02 for BNF at sites spaced 1 m and 2 m apart, respectively. We concluded that short‐range spatial variability of BNF across the landscape is the likely cause of reported discrepancies between the 15 NA and 15 NE approaches used in other studies. Moreover, if such a high spatial variability in BNF is the norm rather than the exception, comparisons between 15 NA and 15 NE approaches for estimating BNF under field conditions will be unreliable.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».