SOIL QUALITY INDICATORS AND CROP YIELD UNDER LONG-TERM TILLAGE SYSTEMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY Soil quality indicators (SQI) can be used as a synthetic tool for the assessment of the sustainability of agricultural systems. In this study, we developed SQI using minimum data set (MDS) and determined the response of SQI to long-term tillage systems. Field pea ( Pisum sativum L.) and spring wheat ( Triticum aestivum L.) were grown in alternate years at northwestern China, and soil attributes and crop productivity were measured 6 years after the initiation of the experiment. The MDS used to develop the SQI included soil physical (aggregate, bulk density, capillary porosity, field capacity), chemical (soil organic matter, total nitrogen, available phosphorus, available potassium) and biological (microbial count, microbial biomass, and the activities of catalase, urease, alkaline phosphatase, and invertase) properties. All the property variables were measured in each of the 0–5, 5–10 and 10–30 cm depths and those variables that contributed significantly to the SQI were selected to be included in the MDS. Amongst the measured variables, bulk density and microbial counts occurred in the MDS of all the three depths, suggesting that these two properties are highly affected by the tillage treatments. In the long-term field experiment, the no-till with stubble covering the soil surface treatment received the greatest SQI score and achieved the highest crop yield. Soil quality under tillage systems can be assessed adequately using MDS measured at the top soil (0–5 cm) layer in rainfed agro-ecosystems.
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.
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 découle