Implementation of Silvopastoral Systems under Nutrient Cycling in Secondary Vegetation in the Amazon
Notice bibliographique
Résumé
Silvopastoral systems can be implemented in idle secondary forests; however, they may affect nutrient cycling in these ecosystems. This farming practice using babassu palms (Attalea speciosa Mart.) and Mombasa grass (Panicum maximum Jacq.) has been little studied, and the nutrient cycling occurred during this practice is yet unknown. The goal of this paper was to detect the leaf litter accumulation, decomposition, and nutrient release occurring in silvopastoral systems in a babassu secondary forest, and compared the results with those of a native forest and of a pasture grown under full sunlight. The data relating to deposition, chemical composition, decomposition, and macronutrient release of leaf litter and pasture litter were evaluated by multivariate analyses. The results showed that forest thinning reduced leaf litter deposition and overall nutrient cycling but had no effect on decomposition rates. Conversely, the presence of grass in the understory promoted increased overall nutrient cycling rates. The cycling in integrated systems occurs more similar to that of forests than that of monocultures. The greater the thinning intensity the more similar the cycling will be relative to that occurring in pastures and in monocultures. The nutrients Ca, Mg, and N were the most affected by thinning. Moreover, the presence of grass in integrated systems provided an increased N and Mg cycling, whereas the thinning reduced Ca cycling. K showed the highest release and return ratio to the soil. Lastly, leaf litter from pasture areas showed higher contents of nutrients, decomposition rates, as well as an enhanced nutrient cycling capacity.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».