Interpolation of Nitrogen Fertilizer Use in Canada from Fertilizer Use Surveys
Notice bibliographique
Résumé
Canadian nitrogen (N) fertilizer use has more than doubled since 1990 (1.2 to 2.9 MtN by 2021). Consequently, a better understanding of this trend is needed. A comprehensive set of recommended N rates (RNRs) that agreed with the fertilizer sales data from 1996 and 2001 was compared with the Fertilizer Use Survey (FUS). The FUS was conducted from 2014 to 2021, with 2017 being the most representative year for these data. Using non-parametric statistics, confidence intervals were derived from the histograms used to present the FUS data. N application rates from the RNR for canola, spring and Duram wheat, and oats in the west were all below their respective FUS confidence intervals, whereas N application rates for grain corn showed almost no difference in N use between the RNR and FUS. Crop-specific N application rates interpolated from the RNR and FUS were integrated over their respective crop areas and plotted against national fertilizer sales records from 1990 to 2021. The rapid increase in N use between 2001 and 2017 (0.89 MtN), 90% of it (0.80 MtN) in Western Canada, was primarily due to the increased application rates per crop, rather than crop area changes. The RNR-FUS interpolations were a good approximation of N sales records and could improve farm GHG emissions modelling. The economically important crops in Western Canada should be the main focus for N-related GHG reduction measures, but production losses need to be avoided.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».