Abstraktní
Dusíkatá hnojiva téměř zdvojnásobila globální výnosy zrn, ale také zvýšila ztráty reaktivního N do životního prostředí. Současné veřejné investice na zlepšení zdraví půdy se snaží vyvážit produktivitu a environmentální aspekty. Data integrující biologické zdraví půdy a reakci na plodiny N však dosud nestačí k spolehlivému řízení politiky ochrany a informování managementu. Zde jsme použili víceúrovňové modelování strukturních rovnic a N pokusů o rychlost hnojení, abychom ukázali, že biologicky zdravější půdy produkují větší výnosy kukuřice na jednotku hnojiva. Zjistili jsme, že vliv biologického zdraví půdy na výnos kukuřice byl 18% velikosti hnojení dusíkem. Zjistili jsme, že tento účinek byl konzistentní pro edafické a klimatické podmínky představující 52% dešťové výměny v kukuřičném pásu (jak bylo stanoveno pomocí technologických extrapolačních domén). Zatímco hnojení dusíkem také hraje roli při budování nebo udržování biologického zdraví půdy, metriky biologického zdraví půdy jsou omezenéa priori informace o schopnosti webu reagovat na aplikace hnojiv N. Zvýšení biologického zdraví půdy tak může zvýšit výnosy kukuřice pro danou jednotku hnojiva N, ale v těchto systémech nemůže zcela nahradit hnojení minerem N. Naše výsledky ilustrují potenciál pro zvýšení produktivity prostřednictvím investic do biologického zdraví půdy, nezávisle na nárůstu používání minerálních hnojiv N.
Úvod
Od zelené revoluce pomohla dusíkatá minerální hnojiva k téměř dvojnásobnému výnosu obilí v celosvětovém měřítku 1 . I když to představuje monumentální nárůst produktivity plodin, odhaduje se, že 41 až 50% hnojiva N aplikovaného na kukuřici ( Zea mays L.) globálně od Zelené revoluce bylo ztraceno v životním prostředí 2 , což má za následek mnohočetné negativní dopady na životní prostředí 3 , 4 , 5 . Mnoho strategií k řešení ztrát dusíku z plodin se soustřeďuje na hospodaření s hnojivem N (např. „4R“ v hospodaření s hnojivy 6 ), ale zanedbává roli půdy 4 , 5biologie v zásobování rostliny N, která často dodává více než 50% absorpce rostliny N v vegetační sezóně 7 , 8 , 9 . Rámec zdraví půdy se snaží zdůraznit kriticky důležitou roli 10 , byť inherentně složitou a nejistou 11 , 12 , biologii půdy v agroekosystémech. Zdraví půdy se nakonec snaží integrovat biologii půdy s historicky zdůrazňovanými chemickými a fyzikálními složkami půdy 13 , 14 . Zdraví půdy bylo široce přijato zemědělci, výzkumníky a soukromým průmyslem, podobně jako 15 , 16 , 17 , 18. Zdraví půdy navíc získalo širokou legislativní podporu ve formě téměř tuctu států stimulujících zlepšené zdraví půdy a také divizi Zdraví půdy v rámci USDA 19 . Nákup od těchto zúčastněných stran představuje spojení několika klíčových zdrojů informací, které pěstitelé používají při rozhodování o výživě 20 , 21 , 22 , jakož i prokázaný finanční závazek.
Zatímco zdraví půdy má širokou koncepční podporu, existuje nedostatek empirických důkazů spojujících měření biologického zdraví půdy s životně důležitými funkcemi půdy nebo požadovanými výsledky 23 . Ačkoli mnoho studií popisuje managementem vyvolané změny biologických zdravotních ukazatelů půdy 24 , 25 , 26 , 27 , 28 , tyto ukazatele pouze volně korelovaly s celkovou produktivitou plodin 29 , 30 , 31 , 32 . Teprve nedávno se studie snažily integrovat tyto metriky do strategií nakládání s dusíkem 33 , 34. Tyto studie však využívaly jediné měření zdraví a úrodnosti půdy a byly prováděny v omezeném rozsahu klimatických a edafických podmínek. Shlukování údajů z podobných míst může přeceňovat sílu vztahů mezi biologickými zdravotními ukazateli půdy a produktivitou plodin tím, že zaměňuje kontextové účinky s biologickými jevy, což nakonec zvyšuje potenciál chyb typu I 35. Použití víceúrovňových modelů pomáhá redukovat zaujatost ze shlukování dat, což nám umožňuje rozlišovat mezi efekty specifickými pro danou lokalitu a širším biologickým jevem. Přestože předchozí studie prokázaly silné korelace, tyto korelace definitivně nespojují biologické zdraví a produktivitu půdy, protože nezohledňují potenciálně matoucí faktory 36 .
V této studii používáme 29 opakovaných pokusů o stanovení dávky hnojiva N napříč středním a východním kukuřičným pásem Středozápadního Spojených států k vyhodnocení vazby mezi biologickým zdravím půdy a odpovědí plodiny na hnojení dusíkem zodpovězením dvou základních otázek. Nejprve odpovíme na otázku „Dokážou ukazatele biologického zdraví půdy předpovídat, do jaké míry je nutné hnojení dusíkem N?“ Za druhé, odpovídáme na širší otázku „produkují biologicky aktivní půdy větší výnosy než méně biologicky aktivní půdy pro danou míru hnojení N?“. Vzhledem k širokému rozsahu klimatických a edafických vlivů na relativní výnos s hnojením dusíkem zahrnovaly tyto otázky primárního výzkumu vlivy klimatu a textury půdy na místě, aby se lépe objasnily potenciální vztahy mezi zdravím půdy a dynamikou N v rostlině. Zkoušky obsažené v této studii představovaly různá řízení stavby půdy v celé řadě edafických a klimatických podmínek, což umožnilo usuzovat v celé šíři kontextu. Pro zodpovězení těchto otázek jsme vytvořili dva modely víceúrovňové strukturální rovnice (Obr. 1 ) - označován jako model odezvy N a model míry hnojení N - kvantitativně definovat zdraví půdy a objasnit její vztahy s dynamikou N plodiny-půda (viz Metody). Kvantifikovali jsme celkovou produktivitu plodin pomocí relativního výnosu - poměr mezi výtěžkem v daném experimentálním grafu a vypočteným agronomickým optimálním výtěžkem - kde rostoucí relativní výtěžek naznačuje klesající N reakci.
Základní strukturální modely pro víceúrovňové modely strukturálních rovnic. Model odezvy N zahrnoval pouze nefertilizované kontrolní grafy, a proto nezahrnul proměnnou relativní míry hnojení v tomto modelu. Model míry hnojení N zahrnoval všechny pozemky (včetně nefertilizovaných pozemků). Jak relativní výtěžek, tak relativní míra oplodnění byly považovány za výtěžek a míra oplodnění ve vztahu k vypočtenému agronomickému optimu. MAP = průměrné roční srážky; MAT = průměrná roční teplota; POXC = permanganát oxidovatelný uhlík; SOC = organický uhlík v půdě.
Zdraví půdy a schopnost reagovat na hnojení dusíkem
Důležitost předsazeného anorganického dusíku v predikci reakce plodiny na N vedla k jeho zahrnutí do mnoha rámců doporučení N37 . Obecně platí, že anorganický dusík preplantátu nepřímo souvisí s reakcí plodiny N (a pozitivně souvisí s relativním výtěžkem), což je výsledek, který je v současné studii dále validován. Zde anorganický N měl pozitivní, přímý účinek na relativní výtěžek v jakémkoli daném místě (p = 0,27, p = 0,049), což podtrhlo jeho všudypřítomný význam na podstatné části kukuřičného pásu (obr. 2a ). Začlenění pozitivního přímého účinku zdraví půdy na obsah anorganických N (β = 0,44, p <0,0001) však ukazuje, že biologické zdraví půdy nepřímo ovlivňuje citlivost na N (β = 0,12,p = 0,012). Je neočekávané, že biologické zdraví půdy nemělo silnější, přímý vliv na relativní výnos. Předchozí práce ukázaly, že když je anorganický dusík dobře zásoben, biologické zdraví půdy má stále silnější roli v důsledku jiných potenciálně omezujících podzemních zdrojů, které může organická hmota dodávat 38 , 39 . Zvýšená chyba odhadu modelu (SRMR W = 0,079) však naznačuje značnou variabilitu mezi jednotlivými místy v tomto vztahu. Úprava podle dalších charakteristik půdy a omezení, jako je složení mikrobiálních komunit 40 , 41 , 42 nebo mineralogie 11 , 43 může být nezbytné ke zlepšení přesnosti vztahů mezi zdravím půdy a reakcí N.
Finalizovaný model pro ( a ) model odezvy N používající pouze nefertilizované kontrolní pozemky a ( b ) model míry hnojení N používající všechny pozemky. Relativní výtěžek B a relativní výtěžek W se používají k označení účinků vyskytujících se na výtěžcích mezi místy a v rámci jednotlivých míst. Všechny koeficienty dráhy jsou standardizovány tak, aby představovaly velikost efektu pro významné vztahy (p <0,10). Přizpůsobení modelu se posuzuje pomocí srovnávacího indexu přizpůsobení (CFI) a standardizovaného kořenového středního čtverce reziduí (SRMR), z nichž druhý se rozkládá na chyby vznikající mezi místy (SRMR B ) a uvnitř místa (SRMR W). Nestandardizované regresní koeficienty a bootstrapované intervaly spolehlivosti jsou uvedeny v tabulkách S7 a S8 .
N Účinnost hnojiv a biologické zdraví půdy
Zlepšení zdraví půdy zvýšilo relativní výnosy na jednotku aplikovaného hnojiva (obr. 2b ). Vliv biologického zdraví půdy na relativní výnos (β = 0,13, p = 0,069) byl 18% velikosti efektu hnojení (β = 0,74, p <0,0001). Výnosy kukuřice jsou poháněny sadou biotických a abiotických faktorů, ale dostupnost N je primárním hnacím motorem produktivity. Vzhledem k tomu, že hnojivo N hraje rozhodující roli při udržování výnosu, zjištění, že biologické zdraví půdy představuje téměř jednu pětinu účinku hnojiva N, ukazuje často přehlíženou roli, kterou půdní biologické procesy hrají při udržování produktivity kukuřice v kukuřičném pásu. Toto zvýšení relativního výnosu bylo konzistentní v celém rozsahu hnojení dusíkem, což naznačuje, že základní procesy nejsou pouze výsledkem lepšího zásobování plodin N půdou, nýbrž naznačují i další základní procesy. Naše výsledky však nenaznačují, jaké tyto procesy mohou být. Nicméně,44 . Větší výnosy spojené se zvýšenou biologickou půdy zdraví, které byly spojeny pro snížení zbytkového N doprovodnou poklesu absolutní, stejně jako výtěžek šupinami dusičnanů únikům do povrchových vod, 45 a N 2 O emisí 4 , 46 . Naše zjištění jsou do značné míry v souladu s nedávnou globální metagrese, která ukázala, že míra oplodnění SOC i N má nezávislé i synergické pozitivní účinky na výnosy plodin 47 . V současné studii byla naše nízká chyba modelu na úrovni uvnitř webu (SRMR W = 0,029) ukazuje, že tento vztah je robustní v široké škále texturních a klimatických souvislostí. Náš model dále ukazuje, že biologické ukazatele zdraví půdy zachycují příznivé účinky zlepšeného řízení na plodnost N 48 , 49 , 50 , 51 . To potvrzuje tvrzení, že: 1) tyto metriky jsou vhodnými ukazateli biologického zdraví půdy a 2) že biologicky zdravá půda dodává plodinám větší množství dusíku.
Je zajímavé, že vyšší míra hnojení N také zvýšila biologické zdraví půdy (p = 0,39, p <0,0001; obr. 2b ). I když v literatuře existuje značná debata o tom, jak nebo zda minerální hnojiva ovlivňují zásoby C a toky 52 , 53 , 54 , 55 půdy C , vidíme důkazy, že hnojení dusíkem výrazně zlepšuje biologické zdraví půdy (obr. 2b ). I když to může být způsobeno zvýšením SOC (tabulka S6 ; r = 0,18, p = 0,002), hnojení N může také ovlivnit další časově proměnlivější biologické vlastnosti půdy, jako je mikrobiální biomasa 56 , složení rostlinných zbytků57 , a ligninolytická aktivita 58 . Tyto parametry nejsou výslovně zastoupeny v našem faktoru zdraví půdy, ale svědčí o změnách v cyklech C a N, které se velmi vztahují k našim ukazatelům biologického zdraví půdy 31 , 59 , 60 , 61 . Odvodené změny v cyklech C a N jsou také patrné v odlišném vztahu mezi biologickým zdravím půdy a relativním výnosem v našich modelech: biologické zdraví půdy nesouviselo s relativním výnosem v nefertilizovaných grafech modelu odezvy N (obr. 2a ), ale byl patrný na hnojených pozemcích modelu míry hnojení N (obr. 2b). Tato vazba mezi biologickým zdravím půdy a relativní mírou hnojení N znamená, že drastické snížení míry hnojení N může mít nepříznivé účinky na biologické zdraví půdy a biologické fungování. Mírný pokles hnojení N však může být odůvodněn optimalizací výnosu i biologického zdraví půdy 53 . Naše výsledky naznačují, že v rámci míry hnojení N by zlepšení biologického zdraví půdy mohlo vést ke zvýšení produktivity, zatímco ke snížení dalších externalit spojených se ztrátami reaktivního N do životního prostředí 62 . Tyto důsledky jsou dále široce aplikovatelné, protože představují více než polovinu plochy kukuřice srážkových krystalů ve Spojených státech.
Mezi místy byl negativní účinek MAP na relativní výtěžek (β = −0,35, p = 0,087) neočekávaný v systémech založených na dešti s kukuřicí (obr. 2b ). S ohledem na hrubost této metriky je tento účinek pravděpodobně způsoben celkovou vyšší pravděpodobností ztrát dusíku během vegetačního období růstu kukuřice 63 . To zahrnuje klíčová období, kdy nabídka N převyšuje poptávku po plodinách, například na jaře před založením plodin nebo na podzim po fyziologické zralosti plodin 64 , 65 . Tyto ztráty dusíku by snížily množství dostupného dusíku rostlinného zbytku nebo z mineralizovaných organických zdrojů, což by nakonec snížilo relativní výnos při podoptimálních poměrech hnojení dusíkem.
Nedostatek prediktivní schopnosti mineralizovatelného C
Přestože byl nejběžnějším ukazatelem biologického zdraví půdy 23 , byl mineralizovatelný C (nebo proplachování CO 2 po navlhčení) vyloučen z faktoru zdraví půdy vyvinutého v naší analýze latentních proměnných. To představuje podstatnou odchylku od široké škály předchozí literatury týkající se zdraví půdy týkající se mineralizovatelné mineralizace C na N 66 , 67 , reakce plodiny na hnojení N 33 , 34 a celkové agronomické produktivity 31 , 68. Abychom toto vyloučení dále ospravedlnili, zkonstruovali jsme permutace našich dvou konečných modelů, kde mineralizovatelný C byl zahrnut jako další (exogenní) prediktor relativního výtěžku. Tyto modely byly vyhodnoceny z hlediska parsimony modelu a absolutní chyby (tabulka 1 ). U modelu odezvy N a modelu míry hnojení N se celkové hodnoty RMSEA a SRMR W zvýšily, s malým až žádným poklesem v SRMR B. Zahrnutí mineralizovatelného C tedy vedlo ke značnému nárůstu absolutní chyby spojené s oběma variantami modelu, přičemž většina variací nastala na úrovni místa. Podobně se hodnoty AIC zvýšily se zahrnutím mineralizovatelného C, což naznačuje mnohem méně protichůdný model. Dohromady to ukazuje, že mineralizovatelný C způsobil, že oba modely byly méně přesné a méně protichůdné, přičemž většina této variace se vyskytovala v závislosti na místě.
Závěry
Tato studie byla zahájena za účelem empirického testování široké použitelnosti paradigmatu zdraví půdy na řízení dusíku v kukuřičných systémech s deštěm. Naše výsledky ukazují, že: 1) vybrané ukazatele biologického zdraví půdy mohou být použity ve spojení s obsahem anorganického N k predikci míry, do jaké bude místo reagovat na hnojení dusíkem, 2) zlepšené biologické zdraví půdy zvyšuje výnosy při dané míře hnojení , protože zdraví půdy bylo 18% velikosti vlivu hnojení na výnosy, a 3) že aplikace hnojiva N může zlepšit biologické zdraví půdy. Naše výsledky navíc naznačují, že použití mineralizovatelného C v rozhodnutích o hnojení N není na většině plochy produkce kukuřice v USA robustní. Klimatické vlivy N na půdu jsou dále velmi ovlivňovány klimatickými vlivy na místě.
Metody
Podrobnosti studie
Od roku 2015–2018 byly shromažďovány údaje o půdě a výnosech z replikovaných studií N míry nacházejících se napříč kukuřičným pásem (n = 29 míst; n = 386 vzorků půdy celkem). Zkoušky měly minimálně čtyři uložené N sazby, z nichž každá byla replikována 3 až 6krát. Každá replikace měla nefertilizovaný kontrolní pozemek bez aplikovaného N a minimálně tři další dávky N, z nichž nejvyšší byla nejméně 180 kg ha- 1 N. Jedinou výjimkou byly zkoušky Purdue N, ve kterých byly kontrolní kontroly při výsadbě byla použita sazba N 24–28 kg ha −1 N. V rámci těchto pokusů o stanovení N byly vrstveny další strategie řízení zdraví půdy: různé délky střídání a rozmanitosti, aplikace hnoje, krycí plodiny a snížení intenzity zpracování půdy (tabulka S1)). Údaje o výnosech z těchto pokusů byly omezeny na roky, ve kterých srážení v vegetačním období nebylo omezujícím faktorem (tj. Roky bez sucha).
Tyto studie představovaly jak na farmě, tak i na výzkumných plochách pokrývajících širokou škálu klimatických a edafických podmínek (tabulka S2 ). Použitím GPS souřadnic pro každý web jsme extrahovali průměrná klimatická data 30 let pro každý web z databáze WorldClim2 73 pomocí RStudio 74 a rastrového balíčku 75 . Tato data jsme poté použili k popisu klimatických vlivů na relativní výnos na různých místech. Reprezentativnost našich vybraných stránek jsme určili pomocí technologických extrapolačních domén (TED) 76 , 77, které jsou konstruovány za použití kombinace klimatických a edafických faktorů pro stanovení výtěžného potenciálu pro systémy pro pěstování v dešti. S rámcem TED naše stránky představovaly 52% z celkové produkční oblasti kukuřice ve střední / východní části Spojených států.
Vzorky půdy pro každou studii byly shromážděny na jaře před nebo bezprostředně po výsadbě kukuřice, ale před aplikací hnojiva. Vzali jsme několik dílčích vzorků půdy do hloubky v rozmezí 15 až 30 cm, v závislosti na studii, které byly poté složeny a homogenizovány tak, aby tvořily jeden reprezentativní vzorek pro každý pozemek. Vzorky pak byly sušeny na vzduchu a uloženy až do analýzy. Konkrétní vzorkovací protokoly pro každou studii lze nalézt v odkazech uvedených v doplňujících informacích (tabulky S1 a S9 ).
Stav živin v půdě
Obsah anorganického dusíku v půdě jsme určili jako součet dusičnanu a amonia. Oba byly stanoveny pomocí extraktu půda: roztok 1: 5 s použitím 1 nebo 2 M KCl. Extrakty byly třepány po dobu 1 hodiny, vyčištěny a kolorimetricky měřeny 78 . Amoniak byl stanoven metodou salicylátu 79 . Dusičnan byl stanoven metodou redukce kadmia 80 , 81 nebo redukcí chloridem vanadnatým 82 .
Metriky zdraví půdy
Jako souhrnné měřítko biologického zdraví půdy jsme vybrali tři běžně využívané metriky doporučené USDA 83 a Cornell's Comprehensive Assessment of Soil Health 84 . Permanganát oxidovatelný uhlík (POXC) 24 , 85 , autoklávovatelný citrátový extrahovatelný protein (dále nazývaný „půdní protein“) 86 a mineralizovatelný C 87 , 88byly stanoveny pro každý vzorek. Tyto metriky byly vybrány pomocí dvou kritérií: 1) schopnost metody přizpůsobit se vysokému výkonu v komerčních zemědělských laboratořích a 2) být koncepčně představitelem složky biologických procesů N cyklování. V souladu s doporučeními USDA pro metriky zdraví půdy 83 jsme považovali mineralizovatelný C za ukazatel obecné mikrobiální aktivity, POXC představující snadno dostupný soubor C a protein v půdě jako biologicky dostupný N pool. Kromě ukazatelů biologického zdraví půdy jsme měřili také obsah organických látek, protože organická hmota v půdě je nejčastěji měřenou metrikou spojenou se zdravím půdy 23 a je reprezentativní pro celkové cyklování C 83. Celkový obsah organické hmoty byl měřen pomocí ztráty při zapálení (LOI) 89 nebo celkového C při spalování 90 . Tam, kde byly k dispozici jak hodnoty spalování, tak LOI, byly použity celkové hodnoty C 91 . Tam, kde byly k dispozici pouze hodnoty LOI, byl LOI převeden na celkový C nebo půdní organický uhlík (SOC) pomocí konverzního faktoru 1,74 92 pro usnadnění srovnání s širší literaturou. Podrobný popis laboratorních analýz je uveden v metodách SI.
Statistické analýzy
Náš celkový statistický přístup sestával z několika kroků. Nejprve jsme pomocí faktorové analýzy určili vhodný počet faktorů „zdraví půdy“ a také to, které měřené proměnné měly být brány v úvahu. Dále byl tento faktor zdraví půdy integrován do teoretického modelu popisujícího vztahy mezi biologickým zdravím půdy, obsahem anorganického dusíku v půdě a relativním výnosem. Tento teoretický model (představovaný v úrovni 1 našeho modelu; obr. 1 ) byl poté zapadnut do víceúrovňového kontextu, kde byly použity místně specifické efekty (tj. Struktura a klima) pro přesnější omezení a kvantifikaci těchto vztahů na úrovni mezi místy. (Úroveň 2).
K určení toho, zda ukazatele biologického zdraví půdy popisují podobné základní procesy, jsme použili analýzu faktorů průzkumu (EFA) nebo společnou analýzu faktorů. Postup EFA používá vzor korelací (tj. Kovarianční strukturu) sady měřených proměnných pro odvození podkladových procesů nebo konstruktů 93 , 94 . Cíl EFA se výrazně liší od ostatních procesů redukce dat (např. Analýza hlavních složek) v tom, že se EFA pokouší popsat neměřitelné latentní konstrukty. Klasickým příkladem je koncept „obecné inteligence“, který je představován kombinací naměřených skóre 95. Zde byl EFA prováděn pomocí vybraných ukazatelů biologického zdraví a plodnosti půdy - POXC, mineralizovatelného C, půdního proteinu a organického obsahu C v půdě, aby se určilo, zda tyto měřené proměnné popisují podobné latentní konstrukty. K určení vhodného počtu faktorů jsme použili balíček nFactors 96 v RStudio 74 k provedení několika kvantitativních posouzení retence faktorů, z nichž všechny navrhly nejlepší řešení jednoho faktoru pro popis zdraví půdy. To naznačuje, že všechny tyto ukazatele popisují určitou část základního konstruktu „zdraví půdy“. Každý indikátor se však lišil ve své schopnosti popsat tento základní konstrukt pro půdní zdraví; zatížení faktoru <0,50 a korelace s jinými měřenými proměnnými <0,50 (tabulky S5a S6 ) nás vedly k vyloučení mineralizovatelného C z konečného latentního faktoru (tabulka S4 ).
Použili jsme víceúrovňové modely strukturální rovnice ke stanovení účinků biologického zdraví půdy na odpovědi N plodiny. Víceúrovňové modely - také označované jako hierarchické modely - nabízejí mnoho výhod oproti klasickým regresním modelům v rozsáhlých studiích, jako je současná studie 97: simultánní kvantifikace účinků na stupnici, vyvážení chyb typu I a typu II a přesnost predikce modelu na podobných stránkách (další informace viz Doplňující informace). Zde používáme víceúrovňové modely pro rozlišení mezi účinky, které jsou uplatňovány na úrovni webu (tj. Mezi weby nebo úrovní 2 naší analýzy), a efekty, které jsou uplatňovány v rámci webu (tj. V rámci stránky úrovně 1 naší analýzy). Abychom odpověděli na dvě primární otázky týkající se reakce plodiny na hnojení dusíkem dusíku, vytvořili jsme dva podobné, ale oddělené modely (obr. 1). Náš první model byl zkonstruován tak, aby odpovídal na otázku „Dokážou biologické ukazatele zdraví půdy předpovídat, do jaké míry je nutné hnojení dusíkem N?“. Tento model, dále označovaný jako „model odezvy N“, byl prováděn pouze pomocí měření půdy z našich nekvantifikovaných kontrolních pozemků. Přidružené výnosy z těchto kontrolních grafů byly poté použity jako čitatel a výnosy při agronomické optimální N míře (AONR) jako jmenovatel při výpočtu relativního výtěžku. Postavili jsme náš druhý model, abychom odpověděli na otázku „produkují biologicky aktivní půdy větší relativní výnosy než méně biologicky aktivní půdy pro danou míru hnojení N?“. Tento model, který budeme označovat jako „model míry hnojení N“, zahrnoval všechna dostupná data o půdě a výnosu. Analyzovali jsme naše modely pomocí sem ()příkaz v lavaanském balíčku 98 RStudio s našimi daty seskupenými na úrovni webu. S použitím našeho konstruovaného základního modelu byly cesty iterativně eliminovány na základě jejich úrovně významnosti, dokud nebyla každá jednotlivá cesta významná na p <0,10. Celkové přizpůsobení modelu bylo hodnoceno pomocí standardizovaného kořenového středního čtverce zbytků (SRMR) jako míry absolutního přizpůsobení a srovnávacího indexu přizpůsobení (CFI) a Akaike's Information Criteria (AIC) jako míry relativního přizpůsobení 99 , 100 . Bootstrapované intervaly spolehlivosti byly použity při validaci modelu 101 a pro hodnocení nepřímých účinků 102. Podrobnosti o vyhodnocení a zdůvodnění modelu lze nalézt v doplňujících informacích (metody SI).