Site‐specific effects of variable water supply and nitrogen fertilisation on winter wheat
Notice bibliographique
Résumé
Abstract The plant‐available soil water, amount and distribution of rainfall or irrigation are primary factors that may affect yield and quality of winter wheat in heterogeneous fields. The objective of this 2‐y study was to vary N application and water supply in order to achieve a more mechanistic insight into the effects of underlying differences in the site‐specific productivity on heterogeneous fields. Two N fertilizer rates (120 and 180 kg N ha –1 ) and three different water supply treatments (rain sheltering, irrigation, rain‐fed) were compared on field sites with lower or higher plant available soil water capacities. On the whole, the site, rather than rainfall or N fertilisation, was the primary factor that accounted for variability in grain yield. Rainfall distribution during the growing season affected the overall yield level in a given year. The sites characterised by lower plant available water capacity did not show higher grain yield and improved quality with the increased N rate. This suggests that the reduced N rate should be recommended on these sites to take into account the environmental sustainability of N fertilisation. With respect to the higher N application at sites of high plant available soil water capacity, although the already high yield levels were not increased further, the protein quality was significantly improved in the first season within all treatments and in the second season in the irrigated treatments. Therefore, a higher N‐rate proved to be advantageous, especially considering that the residual nitrate levels after harvest were low. The study demonstrated that the response of winter wheat to water shortage or abundance and N fertilisation is site‐specific and dependent on the availability of soil water.
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) | 0,000 | 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 ».