Integrative fertilizer nitrogen management mitigates nitrogen leaching and gray water footprint in a subtropical vegetable rotation system
Notice bibliographique
Résumé
• Annual N leaching in subtropical open-field vegetable fields averaged 251 kg ha −1 , representing 29% of applied N fertilizer. • Optimizing rate and timing of N fertilizers reduced N leaching by 68%. • Nitrification inhibitor reduced N leaching and gray water footprint more effectively than controlled-release urea or mixed organic-inorganic fertilizers. • Integrative “4R” N stewardship produced more vegetables with less N leaching. Nitrogen (N) leaching is a major pathway of N loss in subtropical crop production systems, contributing to groundwater pollution and thus posing serious threats to human health. However, the characteristics of annual N leaching in subtropical open-field vegetable systems and the effectiveness of integrative N fertilization management practices in reducing N leaching remain poorly understood. In this study, two plot-based field experiments were conducted with open-field Chinese cabbage-pepper rotation system in subtropical southwest China to quantify annual N leaching and evaluate the effectiveness of integrated N fertilization management practices. Experiment 1 compared five N fertilizer application rates using conventional urea, while Experiment 2 compared different N sources including conventional urea, organic fertilizer, nitrification inhibitor-based fertilizer, and controlled-release urea which were all applied at the optimized N rate. Results showed that the annual N leaching under farmers’ N practice (FNP) was 251 kg N ha −1 , with contributions of 55, 31, and 14% from the pepper season, Chinese cabbage season, and fallow period, respectively. Total N leaching increased exponentially with N rate. The seasonal N leaching factor was 32% for pepper and 17% for Chinese cabbage in the FNP treatment, respectively. Compared to FNP, optimizing N rate based on crop requirement and soil supply significantly reduced N leaching by 68% and gray water footprint by 66−75%, while improving N use efficiency (NUE) from 35% to 54%. In Experiment 2, mixing organic and inorganic fertilizers, applying nitrification inhibitor, and using controlled-release urea further reduced annual N leaching by 27, 54, and 25%, respectively, compared to conventional urea. These practices also improved crop yields by 2−11% and NUE by 10−13%, and lowered gray water footprint by 28−58%. In summary, integrative N stewardship practices, particularly use of nitrification inhibitors under optimized N rates, effectively reduced N leaching while achieving high NUE and vegetable yields, providing a promising strategy for sustainable subtropical vegetable production.
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 | 0,000 | 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 | 0,001 | 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 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 ».