Assessing Management of Nitrapyrin with Urea Ammonium Nitrate Fertilizer on Corn Yield and Soil Nitrogen in a Poorly-Drained Claypan Soil
Notice bibliographique
Résumé
Use of nitrification inhibitors (NI) in agricultural production systems is considered a risk management strategy for both agricultural and environmental considerations. It can be utilized when risk of reduced nitrogen (N) fertilizer use efficiency or yield, and risk of pollution from mineral N is high which can occur in poorly-drained soils that are vulnerable to waterlogging and runoff. Field research was conducted on corn (Zea mays L.) from 2012 to 2015 in Missouri, USA on a poorly-drained claypan soil. Treatments consisted of two application timings of urea ammonium nitrate (UAN) fertilizer solution [pre-emergence (PRE) and V3 growth stage], two application rates (143 and 168 kg N ha-1) in the presence or absence of nitrapyrin, and a non-treated control. UAN at 143 kg ha-1 with nitrapyrin at the V3 growth stage resulted in the highest yield (8.6 Mg ha-1). Similarly, pre-emergence application of UAN 168 kg ha-1 with nitrapyrin resulted in greater yields (7.7 Mg ha-1). UAN application rates and timings affected soil NO3-N and NH4-N concentrations more than the presence or absence of nitrapyrin during the growing season. A side-dress application of a lower rate of UAN with nitrapyrin at V3 was effective in poorly-drained soils when risk of N losses during the growing season due to unfavorable precipitation events and other environmental variables was high. A pre-emergence application of UAN with nitrapyrin was also effective and it may eliminate the need for split-application of N fertilizer later in the season thereby reducing the workload on growers during the growing season.
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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».