Soil capability as a predictor of cropland change in <scp>A</scp> lberta, <scp>C</scp> anada from 1988 to 2010
Notice bibliographique
Résumé
Abstract Understanding the mutual influences between cropland use and soil characteristics is important in anticipating and planning for food production, environmental protection and resource sustainability. Numerous studies focus on the relationship between crop rotations and soil characteristics at a microscale, but fewer studies focus on the relationships between soil capability and cropland use and change at a medium scale. We explore how soil capability has influenced cropland changes over 22 yr, using statistical and land use transition analysis. Landsat images from the years 1988, 2002 and 2010 were used to map cropland changes by soil capability class within a pilot site in Alberta, Canada. Between the late 1980s and 2010: (i) the area of annual crops increased substantially while that of forest and summer‐fallow decreased; (ii) changes in cropland use among annual crops, perennial crops and summer‐fallow differed substantially depending on soil capability; and (iii) a transition from annual crops and summer‐fallow to perennial crops was more likely on land of poorer soil capability, whereas the transition from perennial crops and summer‐fallow to annual crops was more likely on land with higher soil capability. The changes in land use practices identified in this study indicate that producers are actively intensifying production on their best land to optimize profitability while simultaneously reducing the intensity of production on poorer land for either financial or environmental reasons, or both.
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 | 0,000 | 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 ».