Footprints of corn nitrogen management on the following soybean crop
Notice bibliographique
Résumé
Abstract Corn ( Zea mays L.)–soybean [ Glycine max (L.) Merr.] is among the most typical crop rotations in the U.S. Corn Belt, and N is the most limiting nutrient for both crops. This study aims to assess the effects of N management for corn on the following soybean crop. Two corn–soybean rotation N fertilizer rate studies—a long‐term study (1983–2020, Case Study I) and a two‐season study (2019–2020, Case Study II)—were conducted in Kansas (United States). Case Study I focused on soybean seed yield as the response variable, whereas Case Study II included a detailed seasonal characterization of soil N, symbiotic N fixation (SNF), and plant N uptake for soybean considering N fertilizer rates on the previous corn crop. Apparent N budgets from corn (N fertilizer minus grain N removal) ranged from approximately −100 to approximately +50 kg N ha −1 , and soybean yields were slightly or not affected by corn N management. Case Study I showed that long‐term N budgets in corn crops did not affect the following soybean crop yields. In Case Study II, the previous corn N management produced negative or small N surplus that influenced neither soil residual N nor SNF, without compromising soybean productivity. Farmers applying close to economic optimum N rates on corn will likely not generate scenarios of N surplus to compromise SNF or soybean yields. Forthcoming research should further address how long‐term and large soil N mining or surplus in corn may enhance or inhibit N fixation for the next soybean crop.
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 | 0,000 |
| 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) | 0,001 | 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 ».