Mitigating life-cycle multiple environmental burdens while increasing ecosystem economic benefit and crop productivity with regional universal nitrogen strategy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Nitrogen fertiliser is critical for increasing crop yields worldwide, but excessive use causes significant N losses in various forms and subsequent environmental issues, such as greenhouse gas (GHG) emissions. Establishing regional universal nitrogen strategy (RUNs) is indispensable for technology adoption, resource conservation, and pollution mitigation in crop production. OBJECTIVES: This study aims to develop a regional universal nitrogen fertilizer strategy to address variations in N application effectiveness, balancing agricultural productivity with environmental and eco-economic benefits. METHODS: We conducted a total of 48 site-year field experiments including no nitrogen application (Control), farmers' practice (FP), and the implementation of the RUNs with optimized nitrogen recommended formulas and one-off application method. RESULTS: The RUNs significantly increased yields by 5.9%, 12%, and 11% for grain, sweet, and silage maize, respectively, compared with FP. Further, RUNs reduced life-cycle potentials of global warming, soil acidification, water eutrophication, and energy depletion by 22-45%, 63-76%, 51-73%, and 46-67%, respectively. The RUNs increased economic benefits by 11%-58.2%, and net ecosystem-economic benefits by 11.3-77.5%, particularly through the reduction of nitrogen fertiliser and labour-associated agricultural and ecological costs. CONCLUSION: We propose that the RUNs reconciled crop yield, resource efficiency, environmental impacts, and ecosystem economic benefits, demonstrating a regional sustainable N strategy for global food security and resource conservation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 découle