Black soil degradation by rainfall erosion in Jilin, China
Notice bibliographique
Résumé
Abstract Black soils, originally characterized by a deep, dark A‐horizon, are widespread in the Northeast Plain of China and have been one of the most fertile agricultural resources in the country. However, more than a half‐century of intensified management degraded its productivity, mainly with the loss of the dark‐coloured A‐horizon by rainfall erosion. Using the Revised Universal Soil Loss Equation (RUSLE), the rainfall erosion losses of black soils in YuShu and DeHui counties of Jilin Province were estimated. The rate of loss of thickness of the A‐horizon of black soils and the time over which the A‐horizons of some black soils in the region might be lost were evaluated. The results showed that about 4–45 t ha−1 topsoil could have been lost each year under corn (Zea mays L.) production. Soybean (Glycine max L. Merr) production would double the losses. Soil losses were directly related to soil type, tillage practices and crop grain yields. The thickness of the A‐horizon of black soils in the region decreased at rates of 0ċ5–4ċ5 mm yr−1, depending on soil type and management practices. Corn production may have resulted in an annual loss of 8ċ3 million tonnes of topsoil from black soils alone in Jilin Province; soybean production could have greatly increased this loss. Traditional intensified farming can accelerate the degradation of black soils; conservation tillage has great potential to prevent rainfall erosion losses for the same soils. Accordingly, to preserve and restore the productivity of black soils, conservation tillage is appropriate and should be adopted in Jilin. Copyright © 2003 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».