Enhanced Stabilization of Soil Organic Carbon by Growing Leguminous Green Manure on the Loess Plateau of China
Notice bibliographique
Résumé
Evaluating the impacts of growing leguminous green manure (LGM) on soil organic carbon (SOC) stabilization is crucial to evaluate the sustainability of this management practice. To clarify this, we measured organic carbon (OC) fractions and used protected C to estimate the stability of SOC. The field study was a split‐plot design with four main treatments: summer fallow–winter wheat ( Triticum aestivum L.) (FW) as control and growing LGM to replace Huai bean ( Glycine soja Sieb . et Zucc)–winter wheat (HW), soybean [ Glycine max (L.) Merr.]–winter wheat, and mung bean [ Vigna radiata (L.) Wilczek]–winter wheat. The subtreatments were four synthetic N rates applied before sowing winter wheat. Physical fractionation was used to isolate different OC fractions. Among them, the intra‐microaggregate fine particulate OC and mineral‐associated OC are protected C. The mean weight diameter at the 0‐ to 10‐cm soil of HW was significantly increased compared with FW. The SOC content of the bulk soil for the LGM treatments was increased by 0.93 to 1.18 g kg −1 and 0.33 to 1.04 g kg −1 at depths of 0 to 10 cm and 10 to 20 cm, respectively, compared with FW. The protected C accounted for 69 to 86% of the total SOC increase. Moreover, only the protected C was significantly and positively correlated with the SOC increase. In conclusion, growing LGM to replace summer fallow can increase the quantity and stability of SOC by increasing the content of protected C, suggesting that the proposed management practice could promote sustainable agriculture.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».