Extent and management of acid soils for sustainable crop production system in the tropical agroecosystems: a review
Notice bibliographique
Résumé
Increasing areas of agricultural land in high rainfall areas of Sub-Saharan Africa (SSA), where crop production used to be reliable, are affected by soil acidity. This review focuses on the extent, causes and effect of soil acidity on soil properties and crop yield and its management from the context of SSA. Studies showed that the detrimental effects of soil acidity can be mitigated through liming, integrated acid soil management and the use of acid-tolerant germplasms. Application of lime resulted in yield increments of 34–252% in wheat, barley and tef, 29–53% in faba bean and soybean, and 42–332% in potato in Ethiopia, 111–182% in maize in Kenya, and 45–103% in Mucuna in Nigeria under moderate to severe acid soil conditions. This was accompanied by a corresponding increase in soil pH up to 1.9 units and a decrease in exchangeable acidity and aluminum up to 2.1 cmol kg−1. Use of acid-tolerant crop varieties such as maize expressing superior tolerance to Al toxicity resulted in a yield increase of 51% under low soil pH in Cameroon and Kenya. Overall, soil acidity covering ∼35% of SSA should be reclaimed with lime and integrated acid soil management interventions, which could significantly increase crop yield and enhance the resilience of the tropical agroecosystems. .
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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) | 0,002 | 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 ».