Improved nitrogen fertilizer management practices that reduce growing season nitrous oxide emissions may increase non-growing season emissions
Notice bibliographique
Résumé
Field cropping practices in Canada include routine use of nitrogen (N) fertilizer, which produces substantial amounts of nitrous oxide (N2O) emissions. Adoption of improved N management practices may reduce both the amount of N applied and these N2O emissions. Using flux-tower field measurements, we investigated how dual inhibitors (urease and nitrification inhibitors with urea) reduced N fertilizer-induced N2O emissions, compared with urea only, in eastern Canada across 7 years. We also used meta-analysis (of static chamber studies) to examine how inhibitors and other enhanced efficiency fertilizers (EEFs), along with other improved N management techniques, affected fertilizer-induced N2O emissions from Canadian agricultural cropping systems. From the field study, the dual inhibitors reduced growing season N2O emissions by 22% and annual N2O emissions by 10% for high N application rates to corn (Zea mays), while N2O emissions from lower N applications to wheat (Triticum aestivum) showed no differences between the EEF and urea. Crop yields for both the corn and wheat were similar between the different N fertilizer treatments. Across Canada, the meta-analysis showed that EEFs (which include coated slow-release fertilizers and both nitrification and urease inhibitors combined and on their own), on average, reduced N2O emissions by 11%. Nitrification inhibitors (alone or in combination with urease inhibitors) averaged a 19% reduction in N2O emissions. Most of the studies used in the meta-analysis had minimal sampling through the non-growing season though, so the total annual N2O emission reductions were not evaluated and may actually be lower. The meta-analysis indicated that the most effective N management techniques for reducing N2O emissions were the use of EEFs, split application of N fertilizers and the use of organic fertilizers, with the effectiveness of these practices all strongly influenced by soil and weather conditions. The meta-analysis also found that reductions with EEFs from studies that included year-round measurements, tended to be less than studies that included only the growing season. This suggests that when improved N management practices use the same N application rates as the regular practice, more residual N may be available for non-growing season losses. As a result, when no yield benefit is noted, these improved practices should be combined with N rate reductions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».