Integrated crop‐livestock systems result in less nitrate leaching than ungrazed crop systems in North Florida
Notice bibliographique
Résumé
Abstract Integrated crop‐livestock systems provide an array of benefits to agricultural systems, including a reduction in nitrogen (N) leaching. A farm approach to integrate crops and livestock is the adoption of grazed cover crops. Moreover, the addition of perennial grasses into crop rotations may improve soil organic matter and decrease N leaching. However, the effect of grazing intensity in such systems is not fully understood. This 3‐year study investigated short‐term effects of cover crop planting (cover and no cover), cropping system (no grazing, integrated crop‐livestock [ICL], and sod‐based rotation [SBR]), grazing intensity (heavy, moderate, and light grazing), and cool‐season N fertilization (0, 34, and 90 kg N ha −1 ) on NO 3 ‐N and NH 4 ‐N concentration in leachate, and cumulative N leaching by using 1.5‐m deep drain gauges. The ICL was a cool‐season cover crop‐cotton ( Gossypium hirsutum L.) rotation, whereas SBR was a cool‐season cover crop‐bahiagrass ( Paspalum notatum Flüggé) rotation. There was a treatment × year × season for cumulative N leaching ( p = 0.035). Further contrast analysis indicated that cover crops decreased cumulative N leaching compared to no cover (18 vs. 32 kg N ha −1 season −1 ). Nitrogen leaching was lesser for grazed compared to nongrazed systems (14 vs. 30 kg N ha −1 season −1 ). Treatments containing bahiagrass had lesser NO 3 ‐N concentration in leachate (7 vs. 11 mg L −1 ) and cumulative N leaching (8 vs. 20 kg N ha −1 season −1 ) compared to ICL systems. Adding cover crops can reduce cumulative N leaching in crop‐livestock systems; moreover, warm‐season perennial forages can further enhance this benefit.
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 | 0,002 | 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 | 0,001 |
| 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 ».