The Extent of Soil Drying and Rewetting Affects Nitrous Oxide Emissions, Denitrification, and Nitrogen Mineralization
Notice bibliographique
Résumé
Soil drying and subsequent rewetting induces N mineralization and denitrification, but the effects of the “extent” or “degree” of drying and rewetting remains poorly understood. The impacts of different degrees of soil drying (drying to 45, 30, 20, or 10% water-filled pore space, WFPS) and subsequent rewetting (rewetting to 75 or 90% WFPS) on N2O emissions, denitrification, and net N mineralization were investigated. The highest N2O emissions (201 µg N2O-N kg-1) occurred when the soils were dried to 10% WFPS followed by rewetting to 90% WFPS, whereas the lowest emissions (4.72 µg N2O-N kg-1) occurred when the soil was dried to 45% WFPS followed by rewetting to 75% WFPS. When soil was rewetted from 10 to 90% WFPS, cumulative N2O emissions over 120 h were 7.4 times greater than when the soil was rewetted from 10 to 75% WFPS. The proportion of N2O evolved [N2O/(N2O+N2)] generally increased as the soil dried. Soil rewetting to 75% WFPS generally produced greater N2O/(N2O+N2) ratios than rewetting to 90% WFPS. Net N mineralization rates in soils rewetted to 75% WFPS significantly increased from 0.78 mg N kg-1 d-1 for the soils dried to 45% WFPS to 1.69 mg N kg-1 d-1 for the soils dried to 10% WFPS. More extensive soil drying and more extensive rewetting stimulated N2O emissions and total denitrification losses, whereas net N mineralization rates were stimulated only by more extensive drying. Management practices which reduce extreme fluctuations in soil water content may consequently reduce N2O and total denitrification losses.
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 | 0,001 | 0,001 |
| 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 ».