Abstract High spatiotemporal variability in soil nitrous oxide (N 2 O) fluxes challenges quantification and prediction of emissions to evaluate the climate change mitigation outcomes of sustainable agricultural practices. Triggers for large, short-lived N 2 O emission pulses, such as rainfall and fertilization, alter soil oxygen (O 2 ) and nitrate (NO 3 − ) availability to favor N 2 O production via denitrification. However, the organic C (OC) needed to fuel denitrification may exhibit subfield variation that constrains the potential for high denitrification rates to occur, leading to spatial variation in N 2 O hot moments. We tested the hypothesis that the particulate organic matter (POM) fraction of soil organic matter controls subfield variation in denitrification potential by regulating availability of dissolved organic C (DOC), the form of OC used by denitrifiers. Among 20 soil samples collected across a maize field in central Illinois, USA, we found that potential denitrification rate was best predicted by POM C concentration (R 2 = 0.35). Using multiple linear regression analysis that included other soil properties as explanatory variables, we found that POM C fraction of bulk soil (mg POM C g −1 SOC) was the most important predictor based on regression coefficient size (P < 0.01). Our results, which provide support for our hypothesis, suggest that consideration of the link between C and N cycling may be a key to predicting spatiotemporal variation in soil N 2 O emissions when denitrification is the dominant N 2 O source process.

Soil emissions of nitrous oxide contribute substantially to global warming from agriculture. Spatiotemporal variation in nitrous oxide emissions within agricultural fields leads to uncertainty in the benefits of climate-smart agricultural practices. Here, we present a conceptual model explaining spatial variation in temporal patterns of soil nitrous oxide emissions developed from high spatial resolution measurements of soil nitrous oxide emissions, gross nitrous oxide fluxes, and soil physicochemical properties in two maize fields in Illinois, USA. In sub-field locations with consistently low nitrous oxide emissions, soil nitrate and dissolved organic carbon constrained nitrous oxide production irrespective of changes in soil moisture. In sub-field locations where high emissions occurred episodically, soil nitrate and dissolved organic carbon availability were higher, and increases in soil moisture stimulated nitrous oxide production. These findings form the 'cannon model' which conceptualizes how sub-field scale variation in soil nitrate and dissolved organic carbon determines where increases in soil moisture can trigger high soil nitrous oxide emissions within agricultural fields. Only in areas of agricultural fields where nitrate and dissolved organic carbon availability were high could soil moisture stimulate high nitrous oxide emissions, according to a conceptual model based on spatial measurements of emissions and soil properties.

Soil emissions of nitrous oxide (N2O), a potent greenhouse gas, contribute substantially to global warming from agriculture. Spatial variation in N2O emissions within agricultural fields leads to high uncertainty in the benefits of climate-smart agricultural practices. Here, we present a new conceptual framework explaining spatial variation in soil N2O emissions developed from high spatial resolution automated measurements of soil N2O emissions together with measurements of gross N2O fluxes and soil physicochemical properties in two separately managed maize fields in central Illinois, USA. We found that sub-field locations with consistently low N2O emissions had distinct biogeochemical properties compared to locations where high emissions occurred episodically, leading to spatial variation in which factors control N2O production rates. In the consistent N2O cold spots, soil nitrate (NO3-) and dissolved organic carbon (DOC) constrained N2O production irrespective of changes in soil moisture. In contrast, in the episodic N2O hot spots which had higher soil NO3- and DOC availability, N2O production was stimulated by increases in soil moisture. These findings form the ′cannon model′ which conceptualizes how sub-field scale variation in soil NO3- and DOC determines where increases in soil moisture can trigger high soil N2O emissions within agricultural fields.

Abstract Effectively quantifying hot moments of nitrous oxide (N 2 O) emissions from agricultural soils is critical for managing this potent greenhouse gas. However, we are challenged by a lack of standard approaches for identifying hot moments, including (a) determining thresholds above which emissions are considered hot moments, and (b) considering seasonal variation in the magnitude and frequency distribution of net N 2 O fluxes. We used one year of hourly N 2 O flux measurements from 16 autochambers that varied in flux magnitude and frequency distribution in a conventionally tilled maize field in central Illinois, USA, to compare three approaches to identify hot moment thresholds: standard deviations (SD) above the mean, 1.5x the interquartile range (IQR), and isolation forest (IF) identification of anomalous values. We also compared these approaches on seasonally subdivided data (early, late, and non‐growing seasons) versus the whole year. Our analyses revealed that 1.5x IQR method best identified N 2 O hot moments. In contrast, using 2 or 4 SD both yielded hot moment threshold values too high, and IF yielded threshold values too low, leading to missed N 2 O hot moments or low net N 2 O fluxes mischaracterized as hot moments, respectively. Furthermore, seasonally subdividing the data set not only facilitated identification of smaller hot moments in the late‐ and non‐growing seasons when N 2 O hot moments were generally smaller but it also increased hot moment threshold values in the early growing season when N 2 O hot moments were larger. Consequently, of the methods evaluated here, we recommend using the 1.5x IQR method on whole year data sets to identify N 2 O hot moments.