Agroecosystem modeling of reactive nitrogen emissions from U.S. agricultural soils with carbon amendments
Notice bibliographique
Résumé
Abstract Fertilizer-intensive agriculture is a leading source of reactive nitrogen (Nr) emissions that damage climate, air quality, and human health. Biochar has long been studied as a soil amendment, but its influence on Nr emissions remains insufficiently characterized. More recently, the pyrolysis of light hydrocarbons has been suggested as a source of hydrogen fuel, resulting in a solid zero-valent carbon (ZVC) byproduct whose impact on soil emissions has yet to be tested. We incorporate carbon amendment algorithms into an agroecosystem model to simulate emission changes in the year following the application of biochar or ZVC to the US. fertilized soils. Our simulations predicted that the impacts of biochar amendments on Nr emissions would vary widely (− 17% to + 27% under 5 ton ha−1 applications, − 38% to + 18% under 20 ton ha−1 applications) and depend mostly on how nitrification is affected. Low-dose biochar application (5 ton ha−1) stimulated emissions of all three nitrogen species in 75% of simulated agricultural areas, while high-dose applications (20 ton ha−1) mitigated emissions in 76% of simulated areas. Applying zero-valent carbon at 20 ton ha−1 exhibited similar effects on nitrogen emissions as biochar applications at 5 ton ha−1. Biochar amendments are most likely to mitigate emissions if applied at high rates in acidic soils (pH < 5.84) with low organic carbon (< 55.9 kg C ha−1) and inorganic nitrogen (< 101.5 kg N ha−1) content. Our simulations could inform where the application of carbon amendments would most likely mitigate Nr emissions and their associated adverse impacts. Graphical Abstract
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».