Agricultural Practices Influence Dissolved Nutrients Leaching through Intact Soil Cores
Notice bibliographique
Résumé
Nitrogen and P leaching from agricultural land to ground water poses a threat to water quality, but it may be possible to control dissolved nutrient leaching by choosing appropriate management practices. The objective of this study was to evaluate the effects of agricultural practices on dissolved N and dissolved P leaching from topsoil to subsurface soil after crop harvest. Intact soil cores and small disturbed soil columns were collected from a factorial (tillage × crop × fertilizer source) field experiment, 3 yr after the treatments were established. Soils were leached with synthetic rainwater in the laboratory and nutrient loads (kg ha −1 ) were calculated. Dissolved N and dissolved P loads were not affected by tillage and were similar following corn ( Zea mays L.) (in a continuous corn rotation) and soybean [ Glycine Max (L.) Merr.] (in a soybean/corn rotation) production. Soils receiving inorganic fertilizer had a 70% greater nitrate (NO 3 –N) load and 48% less dissolved reactive P than soils receiving organic fertilizer, suggesting that fertilizing soils with a combination of inorganic and organic fertilizers might be a good way to reduce both NO 3 –N and dissolved reactive P transport to water systems. The NO 3 –N load increased as the soil NO 3 –N concentration increased ( R 2 = 0.36) while the dissolved reactive P load was positively related to the soil Mehlich‐3 P concentration ( R 2 = 0.50) and soil P saturation ratio (M3‐PSR) ( R 2 = 0.55). These results suggest that the leaching of dissolved N and dissolved P compounds is influenced more by the type of fertilizer applied than tillage or cropping practices.
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 | 0,003 |
| Communication savante | 0,000 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».