Relationships Between Soil Nitrogen Availability Indices, Yield, and Nitrogen Accumulation of Wheat
Notice bibliographique
Résumé
The success of variable rate N fertilizer application rests on our ability to predict the contribution of soil N to growing crops. We assessed relationships between soil N availability indices (SNAIs), yield, and total N accumulation of wheat ( Triticum aestivum L.) grown in a typical glacial till landscape in Saskatchewan, Canada. Soil samples were collected at 3‐m intervals along a 300‐m transect comprised of low (LCFS) and high catchment footslopes (HCFS), and low (LCSH) and high catchment shoulders (HCSH). Total soil N and C, organic C, mineral N, depth of A horizon, spring soil moisture, grain yield, and total plant N were measured. Soil N availability indices used in this study included: (i) cumulative N released during a 2‐wk aerobic incubation (N MIN ); (ii) potentially mineralizable N estimated using a 16‐wk aerobic incubation (N 0 ); (iii) NO 3 sorbed on anion‐exchange membranes (NO 3AEM ); (iv) N extracted with hot KCl (N KCl ); and (v) N hydrolyzed with hot KCl (N HYDR ). Although all SNAIs were significantly correlated to yield and, with the exception of N 0 , total plant N when analyzed across the transect, typically <40% of the yield variability was explained. Forward stepwise regression revealed that most SNAIs failed to explain more variability in crop N accumulation than did basic soil properties or relative elevation. Although these results do not invalidate the use of SNAIs for soil testing purposes, it is clear that SNAIs must be combined with additional information about field scale variability for predicting fertilizer N requirements. Without this information, grid sampling as a means of assessing N requirements remains ill‐advised for glacial till semi‐arid landscapes.
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 | 0,002 |
| 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 ».