Concurrent Improvement in Maize Grain Yield and Nitrogen Use Efficiency by Enhancing Inherent Soil Productivity
Notice bibliographique
Résumé
Quantifying the relationships of maize yield and nitrogen use efficiency (NUE) to inherent soil productivity (ISP) could provide a theoretical basis for implementing strategies that concurrently narrow the yield gap, increase NUE, and improve soil quality. A field study under irrigation conditions was conducted at five locations with large differences in ISP (estimated by maize grain yield without using fertilizers) across various ecological regions in Inner Mongolia, China. Our results showed that the changes in maize yield and nitrogen partial factor productivity (PFP N ) to ISP followed a linear-plateau model, with a common inflection point. When ISP was below 8.0 t ha –1 , maize yield and PFP N were stagnating at a low level, due to a trade-off between the contribution of soil and chemical fertilizers to yield. When ISP exceeded 8.0 t ha –1 , the contribution rate of soil to yield stabilized at 80%, resulting in a simultaneous increase in maize yield by 1.2 t ha –1 and PFP N by 4.6 kg kg –1 , for increasing ISP at each t ha –1 . Our results indicated that while keeping other management strategies unchanged, to increase maize yield and PFP N by 15% or further 30%, it is necessary to increase ISP to 9.3 and 10.4 t ha –1 , respectively. In this scenario, N input will be reduced by 33.5 and 47.5%, and apparent N losses will be reduced by 11.7 and 21.5%, respectively. Therefore, enhancing ISP could lead to a simultaneous improvement in yield and NUE as well as strongly support the green development of maize 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».