MétaCan
Menu
Retour à la cohorte
Enregistrement W3048255474 · doi:10.1038/s41598-020-70224-6

Cumulative impact of cover crops on soil carbon sequestration and profitability in a temperate humid climate

2020· article· en· W3048255474 sur OpenAlexafffund
Inderjot Chahal, Richard J. Vyn, Danielle Mayers, Laura L. Van Eerd

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Agri-Food Innovation AllianceMitacsGrain Farmers of OntarioOntario Ministry of Agriculture, Food and Rural AffairsMinistry of Agriculture, Food and Rural Affairs
Mots-clésEnvironmental scienceSoil carbonCarbon sequestrationTemperate climateAgroecosystemCover cropAgronomyAgroforestryClimate changeCrop yieldAgricultureSoil waterEcologyBiologySoil scienceCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

Abstract Although soil C sequestration with cover crops (CCs) has been linked with the potential of CCs in climate change mitigation, the long-term usage of CCs on soil C storage and farm-based economics have been widely overlooked. Therefore, in a CC experiment established in 2007 in a temperate humid climate, four CCs and a no-CC control were compared to evaluate their potential to sequester C and provide economic returns. Total amount of plant C added to soil with CCs translated into greater soil organic carbon (SOC) content by 10–20 Mg C ha −1 than the no-CC control across both sites. Greater crop yield and reduced yield variability with CCs suggest the long-term potential of CCs in increasing agroecosystem resiliency. Moreover, greater profit margins with CCs in processing vegetable crops but not grain and oilseed crops indicate CC effects on crop profitability are dependent on the production system. Our study results indicated that the loss in profit margins with CC usage in grain and oilseed crops might be overcome with C pricing (at $50 Mg −1 ) on quantity of C sequestered after 9 years of CCing; thus, providing financial compensation to growers may be a mechanism to encourage CC adoption.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,265
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations91
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207