Using DSSAT-CENTURY Model to Simulate Soil Organic Carbon Dynamics Under a Low-Input Maize Cropping System
Notice bibliographique
Résumé
Decline in Soil Organic Carbon (SOC) below the critical levels is one of the major indicators of soil fertility depletion in Sub-Saharan Africa (SSA), with the main causes being poor management practices coupled with low input use. Measures for monitoring long-term impacts of management on SOC dynamics and its restoration can be critical in enhancing sustainable soil productivity. Crop models have proved to be good tools for understanding the influence of management options on soil and crop productivity. The DSSAT-Century model was applied to simulate the influence of management practices on SOC dynamics. Using long-term datasets from Kabete, Kenya (1976-1996 maize-bean) and Kiboga-Uganda (1980-2010 maize), model calibration and evaluation showed a good fit between simulated and observed values of SOC. On simulating continuous tillage with no fertilization for the 1980-2010 antecedent period and 2010-2060 extrapolated period, the model showed high rates of SOC decline in the newly cultivated soil as compared to a degraded soil. The simulated rate of decline is 2129 kg ha-1 yr-1 for newly cultivated soil and 849 kg ha-1 yr-1 for the continuously cultivated soils. The model was sensitive to initial partitioning of SOC pools, with SOC in previously uncultivated soils declining at a higher rate than that in the cultivated ones. The model confirmed that use of continuous tillage is a major threat to SOC building and soil fertility restoration in the tropics. Adopting conservation agriculture is critical for future generations. Overall, the DSSAT CENTURY model is a potential tool for predicting SOC dynamics in low-input farming systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».