Associations Between Different Soil Management Practices, Soil Fauna and Maize Yield
Notice bibliographique
Résumé
Soil fauna play an important role in ecosystems, and in this context, it is important to better understand how the abiotic and biotic drivers of these organisms interact. We hypothesize that soil fauna are affected by different soil management practices, which has an influence on maize grain yields. The aim of this study was to evaluate the structure of soil fauna under different soil management practices and their associations with maize grain yield. The experiment was conducted in Maranhão, Brazil, in an area divided into 24 plots of 4 × 10 m in a randomized block design with six treatments with four replicates (R). Pitfall traps were placed in the area. The treatments were Leucaena leucocephala-Leucaena (L), nitrogen (N), humic acid + nitrogen (HA + N), nitrogen + Leucaena (N + L), humic acid + Leucaena (HA + L) and humic acid + nitrogen + Leucaena (HA + N + L). The soil fauna dominance, abundance, richness, Shannon-Wiener diversity index, Pielou evenness index and maize grain yield were determined. Formicidae was clearly affected by management with Leucaena, while Coleoptera was affected by management with nitrogen. Despite this, Isopoda and Diplura were the only groups associated with the maize yield. Although fauna abundance did not differ among treatments, it was related to the yield. This study confirms that the abundance and some taxa of soil fauna can influence yield and that these organisms can be used to increase agricultural sustainability.
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 | 0,000 |
| 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) | 0,001 | 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 ».