Enhancing Yields in Organic Crop Production by Eco-Functional Intensification
Notice bibliographique
Résumé
Organic agriculture faces challenges to enhance food production per unit area and simultaneously reduce the environmental and climate impacts, e.g. nitrate leaching per unit area and greenhouse gas (GHG) emissions per unit mass produced. Eco-functional intensification is suggested as a means to reach these objectives. Eco-functional intensification involves activating more knowledge and refocusing the importance of ecosystem services in agriculture. Organic farmers manage agrobiodiversity by crop rotation (diversification in time). However, sole cropping (SC) of genetically identical plants in organic agriculture may limit resource use efficiency and yield per unit area. Intercropping (IC) of annual grain species, cultivar mixes, perennial grains, or forage species and forestry and annual crops (agroforestry) are examples of spatial crop diversification. Intercropping is based on eco-functional intensification and may enhance production by complementarity in resource use in time and space. Intercropping is based on the ecological principles of competition, facilitation and complementarity, which often increases the efficiency in acquisition and use of resources such as light, water and nutrients compared to sole crops, especially in low-input systems. Here we show that IC of cereals and grain legumes in European arable organic farming systems is an efficient tool for enhancing total grain yields compared to their respective sole crops. Simultaneously, we display how intercropping of cereals and legumes can be used as an efficient tool for weed management and to enhance product quality (i.e. cereal grain protein concentration). We discuss how intercropping contributes to efficient use of soil N sources and minimizes losses of N by nitrate leaching via Ecological Precision Farming. It is concluded that intercropping has a strong potential to increase yield and hereby reduce global climate impacts such as GHG kg-1 grain. Finally, we discuss likely barriers and lock-in effects for increased use of intercropping in organic farming and suggest a roadmap for innovation and implementation of IC strategies in organic agriculture.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».