Soil Organic Carbon Changes for Croplands across China from 1991 to 2012
Notice bibliographique
Résumé
Accurate estimates of soil organic carbon (SOC) are critical for evaluating the impacts of crop and nutrient management practices on soil sustainability and global climate change. Temporal and spatial variations in topsoil (0–0.20 m) SOC were analyzed using 43,743 soil samples in China’s croplands. The soil database in our study was collected from the International Plant Nutrition Institute (IPNI) China Program. The results showed an increasing trend in SOC density (SOCD) for both grain and cash crops from 1991 to 2012. The average SOCD increased by 16.8, 17.4, 11.8 and 8.7% in the north central, northwest, southeast and southwest regions, respectively, whereas average SOCD decreased by 1.3% for the northeast region between the 1991–2001 and 2002–2012 periods. For both grain and cash crops, the SOCD frequency distribution (%) increased in the ranges of 10–20, 20–30 and 30–40 Mg C ha−1 from the 1991–2001 to the 2002–2012, but decreased in the ranges of 0–10 and 50–60 Mg C ha−1. Additionally, SOCD increased in most major soil types across China’s cropland regions, except in phaeozems, chernozems and umbrisols, where it decreased by 8.6–18.7% mainly due to water runoff, soil erosion, and low C input. The overall SOC stock (SOCS) in China’s cropland increased by 260 Tg C (23.7 Tg C yr−1) from 1991–2001 to 2002–2012, which was partially due to the increased crop residue return, improved fertilization and adopted conservation tillage over the period. This SOC increase represents a potential offset in carbon dioxide (CO2) emissions that could help reduce the overall net CO2 emissions in China.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».