MétaCan
Menu
Retour à la cohorte
Enregistrement W4405319944 · doi:10.1016/j.fcr.2024.109708

Combining measurements and modelling to reveal long-term effects of nitrogen fertilizer application timing on N2O emissions in corn

2024· article· en· W4405319944 sur OpenAlexaffabout
Jong‐Won Kang, Pedro Vitor Ferrari Machado, David C. Hooker, Brian Grant, Ward Smith, Claudia Wagner‐Riddle, Joshua Nasielski

Notice bibliographique

RevueField Crops Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceTerm (time)AgronomyFertilizerNitrogen fertilizerNitrogenAgricultural engineeringBiologyChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

The impact of nitrogen fertilizer (N) application timing on nitrous oxide (N 2 O) emissions is inconsistent in the literature. This inconsistency is attributed to year-to-year weather variations, which affect soil conditions around N application time. Planting dates (PD) also vary year-to-year based on weather, and PD can influence N timing decisions. The study aims to evaluate: i) the long-term effects of different N application timings on N 2 O emissions and, ii) how variations in PD influence the relative performance of different N timing strategies. We used the DeNitirifcation-DeComposition (DNDC) model, calibrated with field measurements from Elora, Ontario, Canada, to simulate 39 growing seasons using historical weather data. Three N timing strategies were tested: spring application one day before planting, in-season application at the V6 growth stage, and a split-N strategy with N applied at both times. PDs were either dynamically adjusted each year based on rainfall or fixed to one of three typical corn ( Zea mays L.) planting dates in Ontario: April 25, May 5, and May 15. For the first objective, the long-term simulation found that average N 2 O emissions were greatest when N was applied at V6 (3.2 kg N ha −1 ) compared to when N was applied pre-plant (2.3 kg N ha −1 ) or split-applied (2.0 kg N ha −1 ). This was caused by slightly greater rainfall around V6 than planting. For the second objective, the relative performance of different N-timing strategies was affected by PD. Earlier PDs resulted in lower N₂O emissions compared to later PDs, primarily due to lower soil temperatures around the time of N fertilizer application. Earlier PDs also led to the largest differences in N 2 O emissions among the N timing strategies, with PD delays leading to smaller differences among N timing strategies. Large single N applications, particularly those applied in-season, resulted in greater N 2 O emissions than split and at-planting N applications in a long-term simulation. Early PDs consistently reduced N 2 O emissions by creating less favourable conditions for N 2 O production. Moreover, the relative performance of N timing strategies was mediated by PD. This study highlights the interconnected nature of cropping systems, where one management practice, PD, can influence a seemingly unrelated outcome, N 2 O emissions. Long-term climatic, social, economic, and technological changes that influence PD will also influence N 2 O emissions from spring and summer-applied N fertilizer. • Early planting dates reduce N 2 O emissions from nitrogen applications. • Split nitrogen applications result in the lowest average N 2 O emissions. • N 2 O emissions peak with large nitrogen applications at the V6 growth stage. • Effect of nitrogen timing on N2O emissions depends on planting date. • Long-term simulations can reveal the true effect of different fertilizer strategies for emission reduction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,854

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,356
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueField Crops ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207