Impact of organic fertilizers on crop yield, soil carbon stock and greenhouse gas fluxes from corn-soybean agroecosystems
Notice bibliographique
Résumé
Les déchets organiques municipaux transformés en engrais organiques peuvent remplacer les engrais minéraux pour soutenir la production agricole et le stock de carbone organique du sol (COS), mais peuvent induire des émissions de gaz à effet de serre (GES) du sol, selon les propriétés physicochimiques des engrais organiques. Ce projet a évalué l’effet de trois engrais organiques sur les rendements du maïs (Zea mays L.) et du soja (Glycine max L.), du stock de COS (0 à 20 cm) et des flux de GES du sol. Les engrais organiques étaient les déchets alimentaires compostés (compost; 240 kg N/ha), lisier biosolides LysteGro (LysteGro; 215 kg N/ha) et digestat anaérobie liquide (digesta; 231 kg N/ha), ainsi qu’un contrôle des engrais minéraux (NPK; 170 kg N/ha). Les engrais ont été appliqués une fois au début de la rotation maïs-soja au Centre Emile A. Lods de Recherche et Agronomie (Lods), Ste-Anne-de-Bellevue (Québec) (8,4 – 14,2 g COS /kg, loam sableux) et à la Station de Recherche d’Elora (Elora), Elora (Ontario) (21,3 – 30,8 g COS /kg, loam limoneux). Les rendements du maïs et du soja étaient similaires avec chaque traitement d’engrais et proches des moyennes régionales, ce qui indique une performance agronomique satisfaisante de tous les engrais organiques. Les stocks de COS sont restés similaire après l’application exceptionnel d’engrais organiques. Les effets transitoires (pendant un mois suivant l’application des engrais) sur les flux de N2O n’ont pas entraîné à des différences significatives entre les émissions cumulatives de N2O et de CO2 pendant la saison de croissance. Les flux de méthane étaient proches de zéro dans toutes les années de site. De plus, l'effet à long terme de ces engrais organiques sur les rendements des cultures, le stock de COS et les émissions de N2O du sol sous deux scénarios climatiques futurs (RCP4.5 et RCP8.5) de 2018 à 2070 a été simulé à l'aide du modèle DayCent après calibrage du modèle avec deux saisons de données de terrain. DayCent a prédit que l’application de digestat produirait le rendement d’ensilage de maïs le plus élevé (25 – 28 % plus élevé que le NPK en moyenne) alors que le compost produirait le rendement le plus élevé de grain de soja (2,8 – 4,4 % plus élevé que NPK) aux deux sites. DayCent prévoyait que l’application de compost accumulerait le plus de COS et qu’elle aurait les intensités de gaz à effet de serre les plus faibles (GESI, en t CO2-eq/t C récolté) jusqu’à ce que les stocks de COS atteignent un état d’équilibre en 2040. Bien que le compost riche en matière organique semble d’être une meilleure option d’atténuation des GES pour les 20 prochaines années, le digestat pourrait produire des rendements plus élevés de maïs avec moins d’émissions de N2O jusqu’à la fin de 2070. En résumé, ces engrais organiques répondaient aux besoins agronomiques à court terme et on prévoyait des résultats agroécologiques supérieurs à ceux des engrais NPK à long terme
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».