Residual Soil Nitrate after Potato Harvest
Notice bibliographique
Résumé
Nitrogen loss by leaching is a major problem, particularly with crops requiring large amounts of N fertilizer. We evaluated the effect of N fertilization and irrigation on residual soil nitrate following potato (Solanum tuberosum L.) harvests in the upper St-John River valley of New Brunswick, Canada. Soil nitrate contents were measured to a 0.90-m depth in three treatments of N fertilization (0, 100, and 250 kg N ha(-1)) at two on-farm sites in 1995, and in four treatments of N fertilization (0, 50, 100, and 250 kg N ha(-1)) at four sites for each of two years (1996 and 1997) with and without supplemental irrigation. Residual soil NO3-N content increased from 33 kg NO3-N ha(-1) in the unfertilized check plots to 160 kg NO3-N ha(-1) when 250 kg N ha(-1) was applied. Across N treatments, residual soil NO3-N contents ranged from 30 to 105 kg NO3-N ha(-1) with irrigation and from 30 to 202 kg NO3-N ha(-1) without irrigation. Residual soil NO3-N content within the surface 0.30 m was related (R2 = 0.94) to the NO3-N content to a 0.90-m depth. Estimates of residual soil NO3-N content at the economically optimum nitrogen fertilizer application (Nop) ranged from 46 to 99 kg NO3-N ha(-1) under irrigated conditions and from 62 to 260 kg NO3-N ha(-1) under nonirrigated conditions, and were lower than the soil NO3-N content measured with 250 kg N ha(-1). We conclude that residual soil NO3-N after harvest can be maintained at a reasonable level (<70 kg NO3-N ha(-1)) when N fertilization is based on the economically optimum N application.
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 | 0,000 |
| 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) | 0,002 | 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 ».