Assessing the effects of manure application rate and timing on nitrous oxide emissions from managed grasslands under contrasting climate in Canada
Notice bibliographique
Résumé
It is uncertain whether process-based models are currently capable of simulating the complex soil, plant, climate, manure management interactions that influence soil nitrous oxide (N2O) emissions from perennial cropping systems. The objectives of this study were (1) to calibrate and evaluate the DeNitrification DeComposition (DNDC) model using multi-year datasets of measured nitrous oxide (N2O) fluxes, soil moisture, soil inorganic nitrogen, biomass and soil temperature from managed grasslands applied with manure slurry in contrasting climates of Canada, and (2) to simulate the impact of different manure management practices on N2O emissions including slurry application i) rates (for both single vs. split); and ii) timing (e.g., early vs. late spring). DNDC showed “fair” to “excellent” performance in simulating biomass (4.7% ≤ normalized root mean square error (NRMSE) ≤ 29.8%; −9.5% ≤ normalized average relative error (NARE) ≤ 16.1%) and “good” performance in simulating soil temperature (13.2% ≤ NRMSE ≤ 18.1%; −0.7% ≤ NARE ≤ 10.8%) across all treatments and sites. However, the model only showed “acceptable” performances in estimating soil water and inorganic N contents which was partially attributed to the limitation of a cascade water sub-model and inaccuracies in simulating root development/uptake. Although, the DNDC model only demonstrated “fair” performance in simulating daily N2O fluxes, it generally captured the impact of the timing and rate of slurry application and soil texture (loam vs. sandy loam) on total N2O emissions. The DNDC model simulated N2O emissions from spring better than split manure application (fall and spring) at the Manitoba site partially due to the overestimation of available substrates for microbial denitrification from fall application during the wet spring periods. Although DNDC performed adequately for simulating most of the manure management impacts considered in this study we recommend improvements in the simulation of soil freeze-thaw cycles, manure decomposition dynamics, soil water storage, rainfall canopy interception, and microbial denitrification and nitrification activities in grasslands.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 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 ».