Soil Organic Matter as Catalyst of Crop Resource Capture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The positive effect of soil organic matter (SOM) on crop yield has historically been attributed to the ability of SOM to supply crops with nitrogen and water. Whether management-induced increases in SOM meaningfully supplement water supply has received recent scrutiny, introducing uncertainty to the mechanisms by which SOM benefits crops. Here, we posit that SOM does not need to increase the supply of a growth-limiting resource to benefit crops; it only needs to facilitate root access to extant resource stocks. We highlight evidence for the ability of SOM to alleviate negative impacts of waterlogging and compaction on root development. Waterlogging restricts root aeration and, even if transient, can cause permanent downregulation of root biosynthesis. Management practices that promote SOM reduce the risk or duration of waterlogging by accelerating water infiltration, forestalling ponding, and promoting drainage. Compaction as a restriction to root development manifests in drying soils, where mechanical impedance inflates the photosynthate required to extend root tip into soil, leading to short, thick, and shallow roots. Soil organic matter reduces mechanical impedance in dry soils and is associated with root channels to the subsoil, granting crop access to deep soil water. In this framework, crop response to SOM depends on the interaction of a) crop susceptibility to waterlogging or compaction, b) soil moisture during crop maturation, and c) ‘baseline’ drainage and compaction status of soil. By exploring proposed mechanisms, future research may better constrain the context and magnitude of crop yield improvements to be expected from SOM management.
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.
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 | 0,000 | 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 | 0,001 | 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 découle