Comparison of soil properties of native forests, <i>Pinus patula</i> plantations and adjacent pastures in the Andean highlands of southern Ecuador: land use history or recent vegetation effects?
Notice bibliographique
Résumé
Abstract In the high Andes of Ecuador scarcity of farmland has led to accelerated deforestation, in particular over the last 40 years. Soil mis‐management has caused the rapid decline of soil fertility and most farmland has been irreversibly transformed into grassland or tree plantations. The present study assessed whether pastures and particularly pine plantations were associated with less soil nutrients. The soils from six sites each of native forests and Pinus patula plantations, and their adjacent pastures were sampled in a geographically large area in the Paute watershed, south Ecuador. Soil analyses showed statistically significant differences for soil cations and effective cation exchange capacity (ECEC) only. ECEC was highest in soils from native forests and their adjacent pastures (6.4 cmol/kg) compared to pine plantations and their pastures (4.2 cmol/kg). Mean soil organic matter and pH were similar in native forests/pastures (39% SOM; pH 5.4) and in plantations/pastures (40% SOM; pH 5). As pasture soils had ECEC concentrations statistically similar to those of their adjacent forest or plantation, they do not form a single homogeneous land use type based on soil nutrients. Therefore, this study cannot conclude that the presence of pines alone has caused soil degradation, but instead that the soil at the site was already degraded before pines were planted. This study proposes the scenario that pine plantations are established in pastures as a last resort, when the soils are already strongly degraded, and more profitable land uses are not available. Farmers are reluctant to use fertile land for tree plantations, and only the planting of well‐known species, such as pines, is officially encouraged.
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 ».