Changes in regional grain yield responses to chemical fertilizer use in China over the last 20 years
Notice bibliographique
Résumé
A major challenge facing China is to meet the increasing food demand of its growing population in the face of decreasing arable land area, while sustaining or improving soil productivity and avoiding adverse environmental impacts from intensive agriculture.This study uses data from China Statistical Yearbooks to analyze trends in regional soil productivity and grain yields in the major grain-producing regions in North China (NC), Northeast China (NE), East China (EC), Central China (CC), and Southwest China (SW), associated with regional fertilizer use and annual climate variation in rainfall and mean temperature over the 20 years.During 1992-2012, the average fertilizer increase rates (in kg ha -1 year -1 ) were in the order of regions CC (6.6) > NC (4.8) > EC (2.4) > SW (2.1) > NE (1.3), while yield responses to fertilizer use (with regression model coefficients, in kg kg -1 ) were in the order: SW (-0.9) < CC (1.1) < NC (1.7) < EC (5.7) < NE (9.3), showing higher yield responses to fertilizer use for NE and EC than for other regions.The changes in regional grain yields also showed higher yield responses to soil-based productivity for NC, CC, and SW, or to annual climate variability for CC than for other regions, indicating that other factors (such as inherent soil productivity or annual climate variability could be more important than fertilizer in affecting yields.The strategies for regulating nutrient management are needed considerably based on regional indigenous soil nutrient supply under varying regional climate conditions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».