Reduction of nitrous oxide emissions from biosolids-amended corn agroecosystems
Bibliographic record
Abstract
Les biosolides sont des résidus organiques extraits du traitement des eaux usées qui pourraient être réutilisés après un traitement et une stabilisation appropriés. Les biosolides conviennent à un usage agricole car ils contiennent de la matière organique et des nutriments essentiels pour les cultures, principalement de l'azote (N) et du phosphore (P). Par conséquent, les biosolides peuvent potentiellement servir comme engrais azoté pour améliorer la production de maïs et augmenter son rendement. Comme d’autres engrais azotés, il pourrait stimuler des réactions biologiques produisant des gaz à effet de serre tels que l’oxyde nitreux (N2O).Les réactions produisant du N2O augmentent avec les concentrations élevées de NH4+ et de NO3-dans le sol, résultant de l’application d'engrais azotés, mais ils sont également affectés par la concentration des substrats organiques solubles, le pH et la teneur en humidité du sol.Parce que l'application desbiosolides peut affecter tous ces paramètres de sol, il pourrait augmenter ou réduire les émissions de N2Oémis des agroécosystèmes de maïs. Les objectifs de ma thèse étaient les suivants: 1) évaluer les effets de différentes sources desbiosolides et de deux méthodes d’application (étalement en surface contre l’incorporation) sur les rendements de maïs et les émissions de N2O; et 2) déterminer comment les sources desbiosolides et les méthodes d'application ont affecté le pH du sol, l'azote disponible pour les plantes (NO3--N et NH4+- N), l'humidité du sol, et établir un lien entre ces facteurs et les émissions de N2O.L'expérience était située au Emile A. Lods centre de recherche agronomique de l'Université McGill, près de Montréal, Canada, de mai à octobre 2017. L'expérience a utilisé sources de biosolides: biosolides traités avec alcaline (AT), biosolidesmésophiles Digérésanaérobiquement(MAD) et biosolides compostés (COM), qui ont été diffusés à la surface du sol et laissés (épandage en surface) ou incorporés à une profondeur de 15 cm, pour un total de 6 traitements factoriels. Les parcelles contenant des biosolides et le témoin de fécondé à l'urée ont reçu 120 kgN ha-1(sur la base de la teneur estimée en azote disponible des biosolides et de l'urée), mais le témoin non fertilisé n'a reçu aucun engrais supplémentaire d'azote.Le flux de N2O a été affecté par la méthode d'application au cours des premières semaines mais s'est dissipé avec le temps. Le flux de N2O le plus élevé résultait du traitement MAD et le flux de N2O le plus faible était produit par le témoin non fertilisé, avec une tendance aux émissions de N2O plus élevées dans les parcelles contenant de l'engrais appliquer par l'épandage en surface. Les sources d'engrais ont eu un effet significatif (p <0,05) sur les émissions de N2O pendant la saison de croissance.Le témoin non fertilisé avait l’émission cumulative de N2O la plus faible, soit 144 g de N2O -N h a-1, ce qui était statistiquement similaire aux émissions de N2O provenant des traitements AT et COM. Le traitement MAD avait des émissions cumulées de N2O (1132 g N2O-N ha-1) significativement plus élevées (p <0,05) que les autres traitements. Globalement, les émissions de N2O étaient supérieures avec MAD> engrais à base d'urée> AT = COM = non fertilisé. Les sources desbiosolides ou les méthodes d'application n'ont eu aucun effet sur le pH du sol, l'azote disponible pour les plantes et l'humidité du sol. En conclusion, les résultats suggèrent que l'épandage en surface desbiosolides compostés pourrait être une pratique pour augmenter les rendements du maïs et réduire les émissions de N2O. Les agriculteurs peuvent utiliser ces informations pour sélectionner les sources desbiosolides appropriées et les méthodes d'application permettant d'atteindre les objectifs agronomiques avec de faibles émissions de N2O provenant des agro-écosystèmes du maïs
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".