Corn and Wheat Residue Management Effects on Greenhouse Gas Emissions in the Mid-Atlantic USA
Notice bibliographique
Résumé
Greenhouse gas (GHG) emissions from crop residue management have been studied extensively, yet the effects of harvesting more than one crop residue in a rotation have not been reported. Here, we measured the short-term changes in methane (CH4), nitrous oxide (N2O), and carbon dioxide (CO2) emissions in response to residue removal from continuous corn (Zea mays L.) (CC) and corn–wheat (Triticum aestivum L.)–soybean (Glycine max L. Merr.) (CWS) rotations in the Mid-Atlantic USA. A first experiment retained five corn stover rates (0, 3.33, 6.66, 10, and 20 Mg ha−1) in a continuous corn (CC) in Blacksburg, VA, in 2016 and 2017. Two other experiments, initiated during the wheat and corn phases of the CWS rotation in New Kent, VA, utilized a factorial combination of retained corn (0, 3.33, 6.66, and 10.0 Mg ha−1) and wheat residue (0, 1, 2, and 3 Mg ha−1). Soybean residue was not varied. Different crop retention rates did not affect CO2 fluxes in any of the field studies. In Blacksburg, retaining 5 Mg ha−1 stover or more increased CH4 and N2O emissions by ~25%. Maximum CH4 and N2O fluxes (4.16 and 5.94 mg m−2 day−1) occurred with 200% (20 Mg ha−1) retention. Two cycles of stover management in Blacksburg, and one cycle of corn or wheat residue management in New Kent did not affect GHG fluxes. This study is the first to investigate the effects of crop residue on GHG emissions in a multi-crop system in humid temperate zones. Longer-term studies are warranted to understand crop residue management effects on GHG emissions in these systems.
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 | 0,000 | 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 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 ».