Optimizing fertilizer nitrogen use efficiency by intensively managed spring wheat in humid regions: Effect of split application
Notice bibliographique
Résumé
Velasco, J. L., Rozas, H. S., Echeverría, H. E. and Barbieri, P. A. 2012. Optimizing fertilizer nitrogen use efficiency by intensively managed spring wheat in humid regions: Effect of split application. Can. J. Plant Sci. 92: 847–856. Efficient N fertilizer management is critical for the economical production of wheat and the long-term protection of the environment. Six experiments were conducted at three locations in the south-east of the province of Buenos Aires (SE), Argentina, during a 4-yr period, on Typic Argiudoll and Petrocalcic Paleudoll. The study was designed to evaluate the effects of splitting nitrogen (N) fertilizer on N use efficiency (NUE) in wheat (Triticum aestivum L.). Rates of 0 to 150 kg N ha −1 were used, applied at tillering (Z24) or split between Z24 and flag leaf (Z39). The experimental design was a randomized complete block with three replications. Grain yield ranged from 3522 to 8185 kg ha −1 , according to N availability and application time. In the experiments without water stress (three out of six), average grain yield (across experiments) was 6669 and 6989 kg ha −1 for full and split fertilization, respectively. In four out of six experiments, average N in above-ground biomass (NAB), N recovery fraction (NRF), and grain protein content (GPC) for split N application were greater than for full N at Z24 (NAB, 176 and 157 kg N ha −1 ; NRF, 66 and 51%; GPC, 100 and 92 g kg −1 , for split and full N application, respectively). In years without water stress, splitting N between Z24 and Z39 is an appropriate strategy to improve NRF, reducing N losses, and minimizing the environmental impact of fertilization.
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 | 0,000 |
| 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 ».