MétaCan
Menu
Retour à la cohorte
Enregistrement W2890061998 · doi:10.2134/agronj2017.10.0583

Economic Optimum Nitrogen Fertilizer Rate and Residual Soil Nitrate as Influenced by Soil Texture in Corn Production

2018· article· en· W2890061998 sur OpenAlexafffundabout
Khaled D. Alotaibi, Athyna N. Cambouris, Mervin St. Luce, Noura Ziadi, Nicolas Tremblay

Notice bibliographique

RevueAgronomy Journal · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensCégep Saint-Jean-sur-RichelieuAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaKing Saud University
Mots-clésLoamSoil textureAgronomySoil waterEnvironmental scienceSoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

Core Ideas A 12 site‐year study representing four soil surface textural group was conducted. Soil texture significantly influenced the economic optimum N rate (EONR). Overall, clay and loam soils showed lower EONR and higher optimum corn yield. Residual soil NO3–N (RSN) at EONR was higher in sandy soils. At ∆EONR higher than zero, RSN was lower in clay and loam soils. Soil texture has been reported to be a significant factor influencing economic optimum N rate (EONR) and residual soil nitrate (RSN). Therefore, this study aimed to (i) determine the impact of soil texture on EONR and (ii) investigate the interactive impact of N rate and soil texture on RSN in corn (Zea mays L.) production. The study was conducted over 12 site‐years in Quebec, Canada, and included six N rates (0–250 kg N ha−1) and four soil surface textural groups (clay, loam, sandy belonging to the gleysolic soil order [Sg] and sandy belonging to the podzolic soil order [Sp]). The quadratic plus plateau model, best described corn grain yield response and was used for predicting EONR. The EONR was greatest in the Sg soil (173 kg N ha−1) and lowest in the Sp soil (123 kg N ha−1), with the Sp grain yield being nearly 60% less than that predicted at other soil textural groups. The EONR in clay and loam soils was 144 and 164 kg N ha−1 with estimated grain yield of 12.7 and 12.0 Mg ha−1, respectively. The RSN content was greatest in Sg and Sp soils. The estimated RSN at EONR in Sp soil was lower than measured, indicating possible N losses in this soil. This study clearly demonstrated that soil texture should be major criteria on which static N rate recommendations are made to optimize corn grain yield and avoid RSN accumulation in the soil profile, particularly under wet conditions of Quebec.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,741

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207