Using fall‐seeded cover crop mixtures to enhance agroecosystem services: A review
Notice bibliographique
Résumé
Abstract The intensification of agriculture has resulted in the loss of species diversity in agroecosystems. Crop diversification not only improves ecosystem functions but increases agroecosystem resilience to climate change. Cover crops (CC) are used in the crop rotation to increase plant diversity and provide continuous living roots and soil cover. Previous studies have focused mainly on pure stands of CC and on binary mixtures. In recent years, there has been a growing interest in multispecies mixtures (>2 species). Here, we review reports from the literature to document the effectiveness of fall‐seeded CC mixtures to provide agroecosystem services such as weed suppression, N cycling, soil organic C storage, and crop productivity. We cover both organic and conventional field crop systems in North America and Europe. We found, for both systems, that fall‐seeded CC mixtures increased many agroecosystem services compared with a control without CC; however, they had inconsistent effects in comparison with a pure stand. The capacity of mixtures to enhance a given agroecosystem service was found to be dependent on the species functional group. Legume‐based mixtures increased soil N and C contents along with crop yield, whereas nonlegume mixtures improved N recycling and weed suppression. Differences in the functional groups within CC mixtures could lead to trade‐offs among agroecosystem services. Future research should focus on what drives species‐specific contributions to productivity and other ecosystem services when CC are seeded in mixtures. More long‐term research is needed to provide better insights into the stability of the ecosystem services provided by CC mixtures.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».