MétaCan
Menu
Retour à la cohorte
Enregistrement W3085702852 · doi:10.3390/su12187630

Drainage N Loads Under Climate Change with Winter Rye Cover Crop in a Northern Mississippi River Basin Corn-Soybean Rotation

2020· article· en· W3085702852 sur OpenAlexaff
Robert W. Malone, Jürgen Garbrecht, Phillip Busteed, Jerry L. Hatfield, Dennis Todey, Jade Gerlitz, Quanxiao Fang, Matthew Sima, Anna Radke, Liwang Ma, Zhiming Qi, Huaiqing Wu, Dan B. Jaynes, T. C. Kaspar

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceDrainageClimate changeCover cropCropDrainage basinCrop rotationPrecipitationHydrology (agriculture)AgronomyCrop yieldAgroforestryEcologyBiologyGeographyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

To help reduce future N loads entering the Gulf of Mexico from the Mississippi River 45%, Iowa set the goal of reducing non-point source N loads 41%. Studies show that implementing winter rye cover crops into agricultural systems reduces N loads from subsurface drainage, but its effectiveness in the Mississippi River Basin under expected climate change is uncertain. We used the field-tested Root Zone Water Quality Model (RZWQM) to estimate drainage N loads, crop yield, and rye growth in central Iowa corn-soybean rotations. RZWQM scenarios included baseline (BL) observed weather (1991–2011) and ambient CO2 with cover crop and no cover crop treatments (BL_CC and BL_NCC). Scenarios also included projected future temperature and precipitation change (2065–2085) from six general circulation models (GCMs) and elevated CO2 with cover crop and no cover crop treatments (CC and NCC). Average annual drainage N loads under NCC, BL_NCC, CC and BL_CC were 63.6, 47.5, 17.0, and 18.9 kg N ha−1. Winter rye cover crop was more effective at reducing drainage N losses under climate change than under baseline conditions (73 and 60% for future and baseline climate), mostly because the projected temperatures and atmospheric CO2 resulted in greater rye growth and crop N uptake. Annual CC drainage N loads were reduced compared with BL_NCC more than the targeted 41% for 18 to 20 years of the 21-year simulation, depending on the GCM. Under projected climate change, average annual simulated crop yield differences between scenarios with and without winter rye were approximately 0.1 Mg ha−1. These results suggest that implementing winter rye cover crop in a corn-soybean rotation effectively addresses the goal of drainage N load reduction under climate change in a northern Mississippi River Basin agricultural system without affecting cash crop production.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,290

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,011
Tête enseignante GPT0,223
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207