Ammonia volatilization, nitrous oxide emissions, and corn yields as influenced by nitrogen placement and enhanced efficiency fertilizers
Notice bibliographique
Résumé
Abstract Ensuring sufficient fertilizer nitrogen (N) for crops while minimizing N losses requires best management practices optimized for climate, crop, soil, and root zone hydrology. In Ontario, pre‐plant N fertilization of corn ( Zea mays L.) is common; however, this practice extends the time between application and significant root interception of N by the plant, potentially increasing the risk of N loss through soil nitrous oxide emissions, ammonia (NH 3 ) volatilization, and nitrate leaching. These losses contribute to greenhouse gas emissions, affect air quality (NH 3 ), and are a substantial financial loss. This study compared three N placement methods (broadcast urea [BrUrea], broadcast incorporated urea [BrIncUrea], and injected urea ammonium nitrate [InjUAN]) and the presence or absence of N metabolite inhibitors (urease inhibitor [UI], urease plus nitrification inhibitor [UI+NI]). Fertilizer N was applied immediately before planting (150 kg N ha −1 ) to all treatments except for the control. Averaged over 3 yr (2015–2017), NH 3 losses were reduced by 34% from BrIncUrea, by 42–55% from BrUrea+UI+NI and BrIncUrea+UI+NI, and by 99% from InjUAN relative to BrUrea (21 kg N ha −1 ). On average, N application increased corn grain yields by 83% relative to the control (6 t ha −1 ). There were no annual yield differences among N placement methods. It was concluded that incorporation or injection of N in soil and use of urease and nitrification inhibitors reduced NH 3 emissions when N fertilizer was applied pre‐plant.
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 | 0,001 |
| 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 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 ».