Yield and Seed Composition Responses of Rotation Corn and Soybean To Phosphorus Supplied in Liquid, Solid and Composted Swine Manures
Notice bibliographique
Résumé
Abstract Purpose Optimization of phosphorus (P) fertilization from livestock manure can maximize crop production while protecting water quality. We assessed the effects of different forms (liquid, solid, and liquid composted with wheat straw) of swine manure application on yield and seed composition (N: P ratio) under corn-soybean rotation in a clay loam soil, Ontario, Canada. Methods Under an unified available nitrogen (N) rate (200 kg N ha − 1 ), P in each of liquid, solid and composted swine manures was applied to corn ( Zea mays L.) in a 4-year corn-soybean ( Glycine max L.) rotation at 0, 50 and 100 kg P ha − 1 (P-based), respectively, plus another P rate treatment from N-based application at 200 kg available N ha − 1 , forming a series of four P rates. Chemical P fertilizer was also applied at 0, 50 and 100 kg P ha − 1 , respectively, with the same unified N rate. Results The parabolic corn yield response to P rate was observed in liquid swine manure, but not in solid and composted swine manures. Corn seed N concentration and seed N: P ratio in alternative years were highly related to the yield, with optimum N: P ratio at 4.75. Soybean yields in both subsequent years responded to P rate of manure addition in a parabolic pattern with optimized P rate applied to preceding corn at 70 kg P ha − 1 . Soybean yield with swine manure application was related to seed N: P ratio but varied from the year of crop rotation, suggesting the temporal changes in soil P availability with manure addition. Conclusions The relationship between corn yield and seed N: P ratio with manure application suggests that adjusting N: P ratio in manure might lead a way to optimizing corn yield and provide a new approach for manure application recommendation.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».