Accounting for differences between crops and regions reduces estimates of nitrate leaching from nitrogen-fertilized soils
Notice bibliographique
Résumé
Nitrate (NO3−) leaching from nitrogen (N) fertilized soils is a significant global concern, affecting both the environment and public health. However, substantial uncertainties and variabilities in NO3− leaching factors (LFs) among regions or crops impede accurate assessments of NO3− leaching. Here we synthesize 2500 field observations worldwide and show that LFs vary by an order of magnitude across regions and crops, primarily driven by hydroclimatic and edaphic conditions rather than N fertilizer management. Global cropland NO3− leaching from synthetic N fertilization, calculated through spatially explicit (15.4, 14.8–16.1 Tg N yr–1) and crop-specific (12.9, 11.0–14.8 Tg N yr–1) LFs, is 41% lower than the Intergovernmental Panel on Climate Change Tier 1 global inventory. Over 47% of this leaching is concentrated in China, India, and the United States, with maize, wheat, rice and vegetables accounting for nearly half of it. Improved regional and crop-specific LFs will provide a benchmark for NO3− leaching abatement by pinpointing potential global hotspots. Almost half of globally leached nitrate from nitrogen-fertilized soil is released in China, India, and the United States, according to a meta-analysis covering 2500 field observations worldwide.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».