Erosion-preventive crop rotations and water erosion rates on undulating slopes in Lithuania
Notice bibliographique
Résumé
A combination of perennial grass species and selected crop rotations can help prevent soil erosion in upland regions and minimize the risk of soil erosion and associated water pollution (to both terrestrial and aquatic ecosystems). Research data were obtained on sandy loam Eutric Albeluvisols at the Kaltinenai Research Station of the Lithuanian Institute of Agriculture on the undulating hilly topography of the Zemaiciai Uplands of Western Lithuania. The aim was to identify crops and crop rotations that would minimize soil erosion. Measured water erosion rates over 18 yr of field experiments were: 3.2–8.6 m 3 ha -1 yr -1 under winter rye, 9.0–27.1 m 3 ha -1 yr -1 under spring barley and 24.2–87.1 m 3 ha -1 yr -1 under potatoes. Perennial grasses completely prevented water erosion, while the erosion-preventive grass-grain crop rotations (>50% grass) decreased soil losses on arable slopes of 2–5°, 5–10° and 10–14° by 75–80%. The grain-grass crop rotation (<50% grass) decreased rates by 23–24% compared to the field crop rotation. The main attributes of the proposed soil conservation systems were the careful selection of optimum erosion-preventive ecosystems (sod-forming perennial grasses or erosion-preventive crop rotations) with high erosion-resisting capabilities. These selected systems varied in response to slope gradient and thus assist erosion control and ecological stability of the undulating topography of Lithuania. These results may have wider applicability on the undulating landscapes of the temperate agricultural zone. Key words: Undulating upland topography, water erosion rates, erosion-preventive crop rotations, temperate climate
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 | 0,000 |
| 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 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 ».