Soil mineral nitrogen benefits derived from legumes and comparisons of the apparent recovery of legume or fertiliser nitrogen by wheat
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nitrogen (N) contributed by legumes is an important component of N supply to subsequent cereal crops, yet few Australian grain-growers routinely monitor soil mineral N before applying N fertiliser. Soil and crop N data from 16 dryland experiments conducted in eastern Australia from 1989–2016 were examined to explore the possibility of developing simple predictive relationships to assist farmer decision-making. In each experiment, legume crops were harvested for grain or brown-manured (BM, terminated before maturity with herbicide), and wheat, barley or canola were grown. Soil mineral N measured immediately before sowing wheat in the following year was significantly higher (P < 0.05) after 31 of the 33 legume pre-cropping treatments than adjacent non-legume controls. The average improvements in soil mineral N were greater for legume BM (60 ± 16 kg N/ha; n = 5) than grain crops (35 ± 20 kg N/ha; n = 26), but soil N benefits were similar when expressed on the basis of summer fallow rainfall (0.15 ± 0.09 kg N/ha per mm), residual legume shoot dry matter (9 ± 5 kg N/ha per t/ha), or total legume residue N (28 ± 11%). Legume grain crops increased soil mineral N by 18 ± 9 kg N/ha per t/ha grain harvested. Apparent recovery of legume residue N by wheat averaged 30 ± 10% for 20 legume treatments in a subset of eight experiments. Apparent recovery of fertiliser N in the absence of legumes in two of these experiments was 64 ± 16% of the 51–75 kg fertiliser-N/ha supplied. The 25 year dataset provided new insights into the expected availability of soil mineral N after legumes and the relative value of legume N to a following wheat crop, which can guide farmer decisions regarding N fertiliser use.
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.
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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle