Effect of post-harvest practices on greenhouse gas emissions in rice paddies: flooding regime and straw management
Notice bibliographique
Résumé
Abstract Aims To assess 1) the effect of the combination of flooding (winter flooding vs. non-winter flooding; WFL vs NWF) and timing of straw incorporation (early vs late straw incorporation; ESI vs LSI) in the post-harvest of paddy agrosystem, on a year-round global balance of greenhouse gases (GHG) exchanges, i.e. methane (CH 4 ), carbon dioxide (CO 2 ) and nitrous oxide (N 2 O); 2) the impact on the net ecosystem carbon balance (NECB) and 3) the resulting net global warming potential (GWP). Methods A field experiment was conducted with fortnightly samplings of main GHG emissions. Effect of the studied factors on GHG emissions was seasonally assessed. The net GWP is estimated from the balance between GHG (CH 4 and N 2 O) and NECB. Results NWF-LSI reduced net GWP by 206% compared to conventional post-harvest management (WFL-ESI). NECB was similar in all treatments. Avoiding winter flooding reduced CH 4 emissions significantly in the post-harvest and next growing seasons, while delay straw incorporation prevented CH 4 and CO 2 emissions during post-harvest. None of the treatments increased N 2 O emission. Environmental implications of post-harvest management options are discussed. Conclusions Post-harvest management affects net GWP of the paddy rice cultivation by modifying GHG emissions in post-harvest and next growing season without compromise sequestration C budget. The combination of non-winter flooding and late straw incorporation strategies were more effective in reducing both CH 4 and CO 2 emissions, due to avoiding higher temperatures at the time of the straw incorporation during post-harvest and increasing soil Eh conditions at the following growing season.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».