Use of δ<sup>15</sup>N and δ<sup>18</sup>O Values for Nitrate Source Identification under Irrigated Crops: A Cautionary Vadose Zone Tale
Notice bibliographique
Résumé
Source nitrogen (N) identification of leachate or groundwater nitrate is complicated by N source mixing and N and oxygen (O) isotope fractionation caused by microbial N transformations. This experiment examined the δ 15 N NO3 and δ 18 O NO3 values in leachate collected over 1 yr at 55 cm below raspberry ( Rubus idaeus L.) plots receiving either synthetic fertilizer (FT) or poultry manure (MT). The large ranges of δ 15 N NO3 (FT: −2.4 to +8.7‰, MT: +1.6 to +9.6‰) and δ 18 O NO3 (FT: −9.9 to −0.3‰, MT: −10.9 to +1.7‰) values in leachate collected under crop rows prohibited the reliable identification of the applied N sources on individual sampling dates. However, the mass‐weighted average δ 15 N NO3 (FT: +3.2‰, MT: +7.3‰) values in leachate were significantly different and can be explained by accounting for the estimated contributions of nitrate and δ 15 N NO3 values of the various N sources, including applied fertilizer (−0.7‰) or manure (+7.9‰), nitrate‐rich irrigation water (+9.0‰), and nitrate from soil N mineralization and nitrification (FT: +3.7‰, MT: +4.6‰; the seasonal timing of which is unknown). This study illustrates the importance of characterizing all major N sources and considering the seasonal variation of these sources and of N cycling processes, as they contribute to the δ 15 N NO3 values of leachate. Core Ideas Temporal variation in δ 15 N NO3 and δ 18 O NO3 prevented reliable N source distinction. N treatments differed using mass‐weighted annual average δ 15 N NO3 and δ 18 O NO3 values. Annual average δ 15 N NO3 was predictable using estimated N source contributions. Soil N and irrigation water NO 3 contributed significantly to the leachate mass flux.
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 | 0,001 | 0,001 |
| 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 ».