A soil health scoring framework for arable cropping systems in Saskatchewan, Canada
Notice bibliographique
Résumé
Farmers are looking for appropriate tools for assessing and interpreting the health status of their soils; however, there is no standardized and prairie-based soil health scoring framework. Accordingly, we focused on developing one for arable cropping systems in Saskatchewan. In 2018, soil samples (0–15, 15–30, and 30–60 cm depths) were collected from 55 arable fields across Saskatchewan, along with native prairie samples. Various soil chemical, physical, and biological attributes were measured (23 attributes in total). Based on the data distribution for each attribute, we developed scoring functions. The results from multivariate analyses were used to determine the weighting factors needed to integrate the individual scores from each soil attribute into a single Saskatchewan Assessment of Soil Health score. Soil carbon (C) and nitrogen (N) indices (soil organic C, active C, total N, and soil protein) and total phosphorus produced the highest weighting factors. We also tested if there were linkages between the soil health and crop productivity by assessing the cereal yields for the past 10 years as reported from the same rural municipalities where the soil samples were collected. A positive relationship between soil health and yields was most apparent during dry years; thus, we recommend further research to explore this linkage at a finer scale. Overall, this research forms the foundation of a promising framework that can be built upon, and in due course, lead to the development of a tool for producers who are interested in tracking soil health and using the results to inform management.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».