Determining the impacts of deforestation and corn cultivation on soil quality in tropical acidic red soils using a soil quality index
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
Forests around the globe have been converted to agricultural land to meet human demands. The investigation of soil quality index (SQI) as affected by land use change is essential to prevent and control soil degradation mainly in rapidly developing nations. Research on the effects of land-use change on soil quality, especially within deep soil layers, remains lacking despite the prevalence of forest conversion. Here, we selected six paired plots in an intact forest and an adjacent corn field and collected soil samples from 11 layers at depths of 0–140 cm. We then evaluated 16 soil variables for inclusion in a minimum data set and built a SQI from this dataset. Our results indicate that soil organic carbon, total nitrogen, potassium, and free iron are the most important indicators of soil quality in tropical acidic red soils. Deforestation and corn cultivation related to significant decreases in SQI. Of note, SQI decreased to a differing extent among different soil layers, implying that degradation was not constant among layers, despite the fact that tilling typically affects only the top 0–20 cm of soil. The effect of agricultural conversion on soil quality was more pronounced in topsoil soil layers than in the deep layer. The main driver of soil degradation in corn fields was found to be reduced total nitrogen, followed by reduced potassium. Therefore, mitigating or reducing the loss of these nutrients is recommended, possibly through fertilization. We also note that active iron plays an important role in maintaining soil organic carbon concentrations, and thus is critical for maintaining soil quality.
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 | 0,001 | 0,001 |
| 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 découle