MétaCan
Menu
Retour à la cohorte
Enregistrement W3131291035 · doi:10.3390/agronomy11020370

Precision Injection of Dairy Sludge on Crop Yield and N and P Uptake in Juvenile and Mature No-Till Silage Corn

2021· article· en· W3131291035 sur OpenAlexaff
Derek Hunt, Shabtai Bittman

Notice bibliographique

RevueAgronomy · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésSilageFertilizerAgronomySlurryPhosphorusStarterCropForageNutrientAnimal scienceChemistryBiologyEnvironmental scienceFood scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Starter mineral fertilizer is used by famers to provide phosphorus (P) and nitrogen (N) to emerging corn (Zea mays) plants. Recent studies have shown that dairy slurry can replace mineral fertilizer provided it is precisely positioned close to the corn rows. This 5-year study examined the multi-year effect of precision injected sludge, the thick fraction separated from dairy slurry, on growth and nutrient uptake at the 6-leaf stage and final harvest of no-till corn. The sludge was first injected 15 cm deep and the corn planted < 10 cm from the sludge furrow at least 3 days later. Sludge provided sufficient P for both early growth and full season growth. At final harvest with equivalent total N and P rates (32P 250N treatments), fertilizer and sludge had similar maximum yields (17.9 and 17.4 t ha−1, respectively) and P uptake (26 and 25 kg ha−1, respectively) but fertilizer had higher N uptake than sludge (200 and 162 kg ha−1). N uptake and recovery N use efficiency was greater for sludge than fertilizer based on equivalent min.-N which suggests crop benefits in the sludge other than min-N and P. The study shows that precisely injected dairy sludge can obviate the need for starter mineral fertilizer, and this may help to alleviate P surpluses on dairy farms. This practice also provides a use on dairy farms for the separated solids fraction remaining after the thin fraction is decanted and applied as the primary N source to grass.

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 enseignants0,023
Score d'incertitude au seuil0,271

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomyMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207