Water table management and fertilizer application impacts on CO2, N2O and CH4 fluxes in a corn agro-ecosystem
Notice bibliographique
Résumé
Abstract Water table management with controlled drainage and subsurface-irrigation (SI) has been identified as a Beneficial Management Practice (BMP) to reduce nitrate leaching in drainage water. It has also been shown to increase crop yields during dry periods of the growing season, by providing water to the crop root zone, via upward flux or capillary rise. However, by retaining nitrates in anoxic conditions within the soil profile, SI could potentially increase greenhouse gas (GHG) fluxes, particularly N2O through denitrification. This process may be further exacerbated by high precipitation and mineral N-fertilizer applications very early in the growing season. In order to investigate the effects of water table management (WTM) with nitrogen fertilization on GHG fluxes from corn (Zea mays) agro-ecosystems, we conducted a research study on a commercial farm in south-western Quebec, Canada. Water table management treatments were: free drainage (FD) and controlled drainage with subsurface-irrigation. GHG samples were taken using field-deployed, vented non-steady state gas chambers to quantify soil CO2, N2O and CH4 fluxes weekly. Our results indicate that fertilizer application timing coinciding with intense (≥24 mm) precipitation events and high temperatures (>25 °C) triggered pulses of N2O fluxes, accounting for up to 60% of cumulative N2O fluxes. Our results also suggest that splitting bulk fertilizer applications may be an effective mitigation strategy, reducing N2O fluxes by 50% in our study. In both seasons, pulse GHG fluxes mostly occurred in the early vegetative stages of the corn, prior to activation of the subsurface-irrigation. Our results suggest that proper timing of WTM mindful of seasonal climatic conditions has the potential to reduce GHG emissions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».