Time of nitrogen application affects nitrogen use efficiency of wheat in the humid pampas of Argentina
Notice bibliographique
Résumé
Nitrogen (N) fertilization is an important management practice to increased grain yield; however, it is imperative to increase nitrogen use efficiency (NUE) in order to diminish risks of environmental pollution. The objective of this study was to determine the effect of fertilization times on wheat grain yield, grain N accumulation and grain N recovery efficiency (RE) in different sites and years at the south-eastern wheat belt of the Pampas. The experiments were a factorial combination of N rates and fertilization times (sowing and tillering). Grain yield ranged from 1600 to 7900 kg ha -1 and fertilization at tillering increased grain yield compared with fertilization at sowing (5465 vs. 5110 kg ha -1 ), similar behavior was observed for grain N accumulation (95 vs. 86 kg ha -1 ) and RE (0.41 vs. 0.32). Predicted grain yield by CERES-Wheat model for different N rates and fertilization times was correlated with observed grain yield (r 2 = 0.71). While fertilization at tillering significantly increased grain yield, CERES-Wheat model estimated nitrate leaching losses that ranged from 12 to 62 kg N ha -1 and from 7 to 16 kg N ha -1 for fertilization at sowing and tillering, respectively. However, denitrification losses ranged from 1.2 to 3.9 and from 0.5 to 2.4 kg N ha -1 for fertilization at sowing and tillering, respectively. Leaching losses for fertilization at sowing are a consequence of water excess early in the growing season and would be the main N loss factor. Therefore, N application at tillering is an appropriate strategy to improve NUE in the south-eastern wheat belt of the Pampas. Key words: Wheat, fertilization time, nitrogen use efficiency, N losses, CERES-Wheat
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».