Modelling the Effect of Land Management Changes on Soil Organic Carbon Stocks in a Mediterranean Cultivated Field
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
Abstract Land management in agricultural lands has important effects on soil organic carbon (SOC) dynamics. These effects are particularly relevant in the Mediterranean region, where soils are fragile and prone to erosion. Increasing interest of modelling to simulate SOC dynamics and the significance of soil erosion on SOC redistribution have been linked to the development of some recent models. In this study, the SPEROS‐C model was implemented in a 1.6‐ha cereal field for a 150‐year period covering 100 years of minimum tillage by animal traction, 35 years of conventional tillage followed by 15 years of reduced tillage by chisel to evaluate the effects of changes in land management on SOC stocks and lateral carbon fluxes in a Mediterranean agroecosystem. The spatial patterns of measured and simulated SOC stocks were in good agreement, and their spatial variability appeared to be closely linked to soil redistribution. Changes in the magnitude of lateral SOC fluxes differed between land management showing that during the conventional tillage period the carbon losses is slightly higher (0.06 g C m −2 yr −1 ) compared to the period of reduced till using chisel (0.04 g C m −2 yr −1 ). Although the results showed that the SPEROS‐C model is a potential tool to evaluate erosion induced carbon fluxes and assess the relative contribution of different land management on SOC stocks in Mediterranean agroecosystems, the model was not able to fully represent the observed SOC stocks. Further research (e.g. input parameters) and model development will be needed to achieve more accurate results. Copyright © 2016 John Wiley & Sons, Ltd.
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