Productivity enhancement of salt‐affected environments through crop diversification
Notice bibliographique
Résumé
Abstract Recent trends and future demographic projections suggest that the need to produce more food and fibre will necessitate effective utilization of salt‐affected land and saline water resources. Currently at least 20 per cent of the world's irrigated land is salt affected and/or irrigated with waters containing elevated levels of salts. Several major irrigation schemes have suffered from the problems of salinity and sodicity, reducing their agricultural productivity and sustainability. Productivity enhancement of salt‐affected land and saline water resources through crop‐based management has the potential to transform them from environmental burdens into economic opportunities. Research efforts have led to the identification of a number of field crops, forage grasses and shrubs, aromatic and medicinal species, bio‐fuel crops, and fruit tree and agroforestry systems, which are profitable and suit a variety of salt‐affected environments. Several of these species have agricultural significance in terms of their local utilization on the farm. Therefore, crop diversification systems based on salt‐tolerant plant species are likely to be the key to future agricultural and economic growth in regions where salt‐affected soils exist, saline drainage waters are generated, and/or saline aquifers are pumped for irrigation. However, such systems will need to consider three issues: improving the productivity per unit of salt‐affected land and saline water resources, protecting the environment and involving farmers in the most suitable and sustainable crop diversifying systems to mitigate any perceived risks. This review covers different aspects of salt‐affected land and saline water resources, synthesizes research knowledge on salinity/sodicity tolerances in different plant species, and highlights promising examples of crop diversification and management to improve and maximize benefits from these resources. Copyright © 2008 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 | 0,001 | 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 ».