Measuring and Modeling the Long‐Term Impact of Crop Management on Soil Carbon Sequestration in the Semiarid Canadian Prairies
Notice bibliographique
Résumé
Agricultural management practices which promote soil organic carbon (SOC) sequestration can contribute to the long‐term productivity of soils, thus research must quantify and predict SOC dynamics in response to crop management. Using long‐term (1967–2009) data from 10 cropping systems on a Brown Chernozem (Aridic Haploboroll) in the Canadian semiarid prairies at Swift Current, Saskatchewan, we assessed the effect of fertilizer, cropping frequency, and crop type on SOC dynamics in the 0‐ to 15‐cm depth. Three models: Campbell, introductory carbon balance model (ICBM), and DayCent were evaluated, all of which produced fairly accurate predictions of SOC content and sequestration rates (R2 of 0.64–0.82); however, DayCent had the highest correlation and lowest errors of prediction and was deemed superior. Residue inputs of 0.87 to 1.13 Mg C ha−1 yr−1 maintained the SOC level, and SOC content was directly related to factors which increased C inputs. The SOC content and sequestration rates were lowest for wheat (Triticum aestivum L.)‐based rotations which were frequently fallowed and included flax (Linum usitatissimum L.), but highest for systems which were frequently cropped, well‐fertilized, and included rye (Secale cereale L.) or pulse crops in rotation. For systems with high C input, DayCent projected SOC gains of 12 Mg C ha−1 from 2009 to 2100, indicating that the soil at Swift Current had not reached maximum C capacity. This study was the first to rigorously test and demonstrate the strength of the DayCent for simulating SOC under different cropping systems on the Canadian prairies.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».