Biochar in temperate soils: opportunities and challenges
Notice bibliographique
Résumé
Biochar, a carbon (C)-rich material produced by the pyrolysis of organic residues, is frequently used as a soil amendment to enhance soil fertility and improve soil properties in tropical climates. However, in temperate agriculture, the impact of biochar on soil and plant productivity remains uncertain. The objective of this review is to give an overview of the challenges and opportunities of using biochar as an amendment in temperate soils. Among the various challenges, the type of feedstock and the conditions during pyrolysis produces biochars with different chemical and physical properties, resulting in contrasting effects on soils and crops. Furthermore, biochar aging, biochar application rates, and its co-application with mineral fertilizer and (or) organic amendments add further complexity to our understanding of the soil-amendment-plant continuum. Although its benefits on crop yield are not yet well demonstrated under field studies, other agronomic benefits of biochar in temperate agriculture have been documented. In this review, we proposed a broader view of biochar as a temperate soil amendment, moving beyond our current focus on crop productivity, and instead target its capacity to improve soil properties. We explored biochar’s benefits in remediating low-productive agricultural lands and its environmental benefits through long-term C sequestration and reduced nutrient leaching while curtailing our reliance on fertilizer input. We also discussed the persistence of beneficial impacts of biochar in temperate field conditions. We concluded that biochar displays great prospective to improve soil health and its productivity, enhance plant stress resilience, mitigate greenhouse gas emissions, and restore degraded soils in temperate agriculture.
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 | 0,001 | 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 ».