ADAPTING TO CLIMATE CHANGE BY IMPROVING WATER PRODUCTIVITY OF SOILS IN DRY AREAS
Notice bibliographique
Résumé
ABSTRACT Considering extreme events of climate change and declining availability of appropriate quality water and/or highly productive soil resources for agriculture in dryland regions, the need to produce more food, forage and fibre will necessitate the effective utilization of marginal‐quality water and soil resources. Recent research and practices have demonstrated that effective utilization of these natural resources in dry areas can improve agricultural productivity per unit area and per unit water applied. This paper focuses on the following three case studies as examples: (1) low productivity soils affected by high levels of magnesium in soil solution and on the cation exchange complex; (2) degraded sandy soils under rainfed conditions characterized by low water‐holding capacity, organic matter and clay content and (3) abandoned irrigated soils with elevated levels of salts inhibiting growth of income generating crops. The results of these studies demonstrate that application of calcium‐supplying phosphogypsum to high‐magnesium soils, addition of clays to light textured degraded soils and phytoremediation of abandoned salt‐affected soils significantly improved productivity of these soils. Furthermore, under most circumstances, these interventions were economically viable, revealing that the efficient use of marginal‐quality water and soil resources has the potential to improve livelihoods amid growing populations in dry areas while reversing the natural resource degradation trend. However, considerably more investment and policy‐level interventions are needed to tackle soil degradation/remediation issues across both irrigated and dryland agricultural environments if the major challenge of producing enough food, forage and fibre is to be met. Copyright © 2011 John Wiley & Sons, Ltd.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».