Tillage and nitrogen rate effects on winter wheat yield in a wheat–sorghum rotation
Notice bibliographique
Résumé
The objectives of this study were to quantify long-term tillage practice and nitrogen (N) fertilizer rate effects on yield and N use in a winter wheat ( Triticum aestivum L.)–grain sorghum ( Sorghum bicolor L. Moench)–fallow (W–S–F) rotation. The experimental design was a randomized complete block with a split–split-plot arrangement. The main plot treatments were crop rotation phases W–S–F, S–F–W, and F–W–S. The sub-plots were tillage practices, i.e., conventional tillage (CT), reduced tillage (RT), and no-tillage (NT). And the sub-sub-plot treatments were N rates of 0, 45, 90, and 134 kg ha −1 . Wheat yield increased at rates of 15.6, 9.3, 22.8, and 25.7 kg ha −1 for a kg N ha −1 increase in very low-, low-, high-, and very high-yielding environments (average yields of ∼2000, 2500, 2800, and 4400 kg ha −1 ), respectively. On average, winter wheat yields were 7%–9% greater for CT compared with both NT and RT. Winter wheat removed about 52 kg N ha −1 from the unfertilized control treatment, but N uptake varied by N rate and growing conditions. Nitrogen use efficiency, N agronomic efficiency, and applied N recovery decreased as the N rate increased. Across environments, wheat yield increased by 16, 20, and 17 kg ha −1 for each additional kg ha −1 N applied under CT, NT, and RT, respectively, and additional 2–2.5 kg ha −1 yield increases for a mm increase in fallow precipitation. We concluded that wheat yield response to N is highly dependent on growing conditions, and NT required greater N fertilization than CT and RT for similar yields.
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 | 0,001 | 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 | 0,000 |
| 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 ».