Assessing nitrous oxide mitigation efficiency of three nitrification inhibitors with synthetic and organic fertilisers in Eastern Denmark
Notice bibliographique
Résumé
The use of nitrification inhibitors (NIs) with fertilisers holds the potential to reduce nitrous oxide (N2O) emissions and optimise nitrogen use efficiency (NUE). However, this potential of NIs needs to be quantified across diverse field conditions to comprehensively assess the influence of management practices, crop types, fertilisation strategies, climatic conditions, annual variations, and soil types. In 2020, a field experiment was conducted using spring barley, followed by a similar experiment with winter wheat in 2021, aimed at studying N2O mitigation, crop nitrogen uptake and crop yield effects of three additives containing commercially available NIs: 3,4-dimethylpyrazole phosphate (DMPP), nitrapyrin (NP), and a mixture of 1,2,4-triazole and 3-metylpyrazole (TM) together with synthetic (ammonium sulphate nitrate (NS), urea ammonium nitrate (UAN)) and organic (pig slurry (PS)) fertilisers. DMPP was applied with NS and PS, while NP and TM were applied with UAN and PS. Fertilisers were applied during early spring in both years, following the recommended optimal rate of synthetic fertiliser and PS. Control treatments included fertilisers applied at the same rate without NIs and no fertiliser. N2O fluxes were assessed throughout the growing seasons of both years utilising manual static flux chambers. The study found that N2O emissions were significantly reduced from PS with DMPP (by 77 %) and TM (by 67 %), and that DMPP significantly reduced N2O emissions from NS (by 60 %) in 2021. Crop yield and N uptake were increased with NIs in both years. These findings suggest that DMPP and TM effectively reduce N2O emissions from both PS and synthetic N sources. Notably, the mitigation effects were more pronounced in PS compared to synthetic N. Nonetheless, the efficiency of N2O reduction through these nitrification inhibitors varied depending on crop type and specific management conditions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».