Pronitridine and Nitrapyrin With Anhydrous Ammonia for Corn
Notice bibliographique
Résumé
Nitrogen (N) losses due to leaching, denitrification and/or ammonia volatilization are of utmost concerns since they reduce farm profitability and adversely affect environmental quality. To combat these N losses, a new nitrification inhibitor (NI), pronitridine, can be used to slow down the nitrification process. A two-year (2014, 2015) field experiment was conducted to evaluate the effectiveness of pronitridine at different rates (9.4, 18.7, and 28.1 L ha-1) with anhydrous ammonia (AA) at 112 kg N ha-1 when applied in the fall or pre-plant on claypan soils in northeast Missouri. Using pronitridine at 9.4 L ha-1 with AA in the fall during a low yielding year (2015) increased corn grain yield 7% compared to AA + nitrapyrin (2.3 L ha-1). Agronomic efficiency and yields were greatest with pronitridine at 9.4 L ha-1 than AA + nitrapyrin. Grain N removal was highest for AA + pronitridine at 18.7 L ha-1 compared to AA + nitrapyrin. Pre-plant application of AA + pronitridine at 9.4 L ha-1 increased grain starch content compared to AA without NI, but it was not significantly different from AA + nitrapyrin. Results indicated that pronitridine was effective in increasing yields when applied in the fall and was similar to other NI’s when applied pre-plant in the spring.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».