Nitrous oxide emissions and productivity of irrigated potato: Effects of nitrogen fertilization options
Notice bibliographique
Résumé
Abstract Improved N management is needed in intensive agriculture to mitigate nitrous oxide (N 2 O) emissions while sustaining high yields. We assessed the effectiveness of polymer‐coated urea (PCU); nitrification inhibitor 2,4‐dimethylpyrazol succinic acid (DMPSA), a biostimulant; and their combinations with granular urea and ammonium sulfate nitrate (ASN) fertilizers to reduce N 2 O emissions and to improve potato ( Solanum tuberosum L.) productivity under irrigation. Sites were located in Lethbridge and Brooks, Alberta, Canada over two growing seasons. Tuber yield, grade, specific gravity, and N uptake were quantified. We used the chamber method to measure N 2 O fluxes from potato hills and furrows. The N 2 O emissions from furrow positions were at least two‐fold greater than those from hills at the Lethbridge site. Peak N 2 O emissions and increased N concentrations in potato petiole and soils occurred shortly after fertilizer applications. The overall average emission factor (EF) of N 2 O was 0.056% kg N 2 O–N kg −1 N fertilizer (accounting for emissions from unfertilized controls). Urea alone commonly exhibited the highest N 2 O fluxes. Admixing DMPSA with either urea or ASN lowered N 2 O emissions in only certain cases. For instance, in one growing season at the Brooks site, adding DMPSA to urea reduced the N 2 O emissions by 57%. Likewise, in one of the four site‐years in the study, 36% higher potato marketable yields were obtained when applying either ASN treated with DMPSA or PCU compared with the unfertilized controls (45 vs. 33 Mg ha −1 ). Results showed that under specific conditions, N application strategies using DMPSA admixed with either urea or ASN can maintain high potato yields while reducing N 2 O emissions relative to soils receiving these fertilizers without this additive.
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 ».