MétaCan
Menu
Retour à la cohorte
Enregistrement W3086568458 · doi:10.3390/agronomy10091382

Nitrogen Dynamics Following Incorporation of 3-Year Old Grassland Set-Asides in the Fraser River Delta of British Columbia

2020· article· en· W3086568458 sur OpenAlexaffabout
Khalil Walji, Maja Kržić, Drew Bondar, Sean Smukler

Notice bibliographique

RevueAgronomy · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGrasslandEnvironmental scienceGrowing seasonAgronomyNitrogenSoil waterFertilizerCrop rotationCropSoil scienceBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

Short-term grassland set-asides (GLSA) have been incorporated into intensive annual crop rotations to improve soil quality. The legacy of the GLSA to subsequent annual crops, however, is not well understood. The objective of this study was to determine the impacts of 3-year-old GLSA on nitrogen (N) dynamics and the yield of the subsequent cash crop. A regional analysis was conducted over two years, utilizing eight production fields transitioning from GLSA, paired with fields in continuous annual crop rotation (ACR) with matching management. A controlled plot-scale experiment was also conducted on a single 3-year-old GLSA, comparing fertilizer types, rates, and timing of incorporation. In each experiment, soils were sampled every 10–14 days for ammonium (NH4+-N) and nitrate (NO3−-N), along with ion probes, installed near the rooting zone to track plant available nitrogen (PAN) throughout the season. The results from the regional analysis are confounding, in 2015 showing that GLSA supplied an additional 18 kg PAN ha−1 compared to ACR but showed no PAN benefits in 2016. The controlled plot-scale experiment highlighted the importance of fertilizer type to subsequent PAN, showing synthetic treatments consistently supplied more PAN than organic. The results from this study suggest that 3-year-old GLSAs can potentially improve PAN to subsequent crops depending on how they are managed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,172
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,191
Écart entre enseignants0,178 · 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 tête enseignante, 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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207