Modelling Nitrification Inhibitor Effects on N <sub>2</sub> O Emissions after Fall and Spring-Applied Slurry by Reducing Nitrifier NH <sub>4</sub> <sup>+</sup> Oxidation Rate
Notice bibliographique
Résumé
Abstract. Reductions in N2O emissions from nitrification inhibitors (NI) are substantial, but remain uncertain because measurements of N2O emissions are highly variable and discontinuous. Mathematical modelling may offer an opportunity to estimate these reductions if the processes causing variability in N2O emissions can be accurately simulated. In this study, the effect of NI was simulated with a simple, time-dependent algorithm to slow NH4+ oxidation in the ecosystem model ecosys. Slower nitrification modelled with NI caused increases in soil NH4+ concentrations and reductions in soil NO3− concentrations and in N2O fluxes that were consistent with those measured following fall and spring applications of slurry over two years from 2014 to 2016. The model was then used to estimate direct and indirect effects of NI on seasonal and annual emissions. After spring slurry applications, NI reduced N2O emissions modelled and measured during the drier spring of 2015 (35 % and 45%) less than during the wetter spring of 2016 (53 % and 72 %). After fall slurry applications, NI reduced modelled N2O emissions by 58 % and 56 % during late fall in 2014 and 2015, and by 8 % and 33 % during subsequent spring thaw in 2015 and 2016. Modelled reductions were consistent with those from meta-analyses of other NI studies. Simulated NI activity declined over time, so that reductions in N2O emissions modelled with NI at an annual time scale were relatively smaller than those during emission events. These reductions were accompanied by increases in NH3 emissions and reductions in NO3− losses with NI that caused changes in indirect N2O emissions. With further parameter evaluation, the addition of this algorithm for NI to ecosys may allow emission factors for different NI products to be derived from annual N2O emissions modelled under diverse site, soil, land use and weather.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».