Soil Organic Carbon and Nitrogen Stocks Following Land Use Changes in a Sub-Humid Climate
Notice bibliographique
Résumé
There has been an incessant conversion of natural forests to agricultural land uses such as farmlands, grasslands and parkland agro-forestry in Africa during the last century. This study investigated changes in soil organic carbon (SOC) and total nitrogen (TN) stocks following the conversion of a natural forest to coffee-based agro-forestry, grazing grassland and well-managed maize farm in a sub-humid tropical climate of Ethiopia. Soil samples (up to 1m depth) were taken from each of these four land use types. Taking the natural forest as a baseline and with duration of 35 years since land use conversion, the total SOC and TN stocks were not significantly different (P > 0.05) among the different land use types when the entire 1m soil depth was considered. However, in the upper 0-10cm soil depth, the SOC and TN stocks were significantly higher (P < 0.05) in the natural forest than the agricultural land use types. There were different patterns of SOC and TN distributions along the soil depths for the different land use types. The SOC stocks decreased with depth in natural forest, but did not show any increasing or decreasing trends in maize farm, grazing grassland, and coffee-based agroforestry. The results of this study revealed that the negative effects of converting natural forests to agricultural land use types on SOC and TN can be prevented through appropriate land management practices in cultivated and grazing lands and use of proper agroforestry practices in a sub-humid tropical 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 | 0,001 |
| 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 ».