Yield Gaps, Indigenous Nutrient Supply, and Nutrient Use Efficiency of Wheat in China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Great advances in food production have been made in China, but the continuous increase of nutrient inputs has caused a series of environmental problems. Nutrient management for crops must be improved. Yield gaps, indigenous nutrient supplies, and nutrient use efficiencies (NUEs) must be assessed to design management strategies for further yield increase. In this study, data from 1022 field experiments with wheat ( Triticum aestivum L.) conducted between 2000 and 2008 in north central China, the middle and lower reaches of the Yangtze River, and northwest China were analyzed. Treatments in these experiments consisted of a check without fertilizer use, an optimum nutrient application, the farmers’ practice, and a series of nutrient omission treatments. The results showed that gaps between attainable yields and yields in experimental plots with farmers’ practices averaged 0.76 Mg ha −1 . Indigenous nutrient supplies of N, P, and K averaged 133.0, 30.2, and 131.7 kg ha −1 , respectively, in the regions studied. On a national scale and under optimum fertilization, agronomic efficiency of N, P, and K were 9.8, 19.2, and 7.2 kg kg −1 , while recovery efficiencies were 37.9, 19.0, and 27.0%, respectively. Compared with values obtained 10 yr previous, agronomic efficiencies and recovery efficiencies determined between 2000 and 2008 were lower but also lower than world averages. Successive inputs of large amounts of nutrients significantly increased the indigenous nutrient supply and therefore are contributing to lower NUE because recommendations for N, P, and K have not been adjusted downward in China.
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.
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) | 0,001 | 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 découle