Urea Fertilizer Placement Impacts on Corn Growth and Nitrogen Utilization in a Poorly-Drained Claypan Soil
Notice bibliographique
Résumé
<p>Practices to increase nitrogen (N) use efficiency (NUE) include selecting appropriate N fertilizer sources and application methods, but minimal research has focused on these practices in poorly-drained claypan soils which are prone to N loss. This research assessed the impact of different urea fertilizer placement practices on corn (<em>Zea mays</em> L.) production and N utilization in a poorly-drained claypan soil. Field trials were conducted in 2014 and 2015 in Missouri. Treatments consisted of pre-plant deep banding (20 cm) urea at 202 kg N ha<sup>-1</sup> or urea plus a nitrification inhibitor (NI) (nitrapyrin) compared to pre-plant urea broadcast surface-applied or incorporated to a depth of 8 cm. In 2014, incorporating urea, deep banding urea, and deep banding urea plus NI had higher yields (&gt; 10%) of corn compared to the control with grain yields ranging from 13.73 to 14.05 Mg ha<sup>-1</sup>. In 2015, grain yields were lower than in 2014, ranging from 4.1 to 7.9 Mg ha<sup>-1</sup>. Deep placing banded urea with a NI yielded an increase in grain yield up to 48% compared to the other treatments. Rainfall amounts were higher in 2015, which could have resulted in poorer root growth and greater N loss in deep banded treatments. In 2014, deep banding urea with a NI produced the highest NUE. Similar to NUE, silage tissue N concentrations in 2014 were greater with deep banded urea plus NI, while in 2015 silage tissue N concentrations were higher with surface applied urea. The results suggest that urea fertilizer incorporation including deep banding may improve corn grain production, N uptake, and NUE, but response was affected by climatic conditions. The addition of an NI may be an important safeguard when deep banding urea in years with excessive precipitation.</p>
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 | 0,001 |
| 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 ».