Synthesis on the effects of grain legume insertion and cereal-grain legume intercrops in low input cropping systems in Southern France
Notice bibliographique
Résumé
Six cropping systems (CS) of three 3-year rotations based on durum wheat and sunflower inserting 0, 1 (pea or fababean) and 2 grain legumes (GL) (pea and soybean), and with or without cover crops (CC) were compared at INRA Toulouse from 2004. This experiment is still on going for a twelfth year. We demonstrated that 6 key points. 1) Pea as a preceding crop increased durum wheat grain production by 8% compared to sunflower as a preceding crop with a mean reduction of N fertilization of 45 kg N ha-1. 2) Inserting GL in the rotations significantly affected the amount of C and N inputs to the soil that were lower than with cereals and consequently led to a decrease in soil organic-C (SOC) and –N contents. 3) N leaching simulated using the STICS model was higher when increasing the number of GL (from 22 to 52 kg N ha-1 after two rotation cycles of 6 years, for 0 to 2 GL respectively). 4) However, CC insertion i) reduced N leaching (from 15 to 18 kg N ha-1), ii) mitigated SOC loss, and iii) did not affect durum wheat grain protein concentration or yield. 5) Daily measured N2O emissions over the whole 3-year rotation were low but significantly higher under the CS including fababean than for the cereal-based CS (1.12 vs. 0.78 kg N2O-N ha-1 year- 1) despite a lower N fertilization. Then, in such conventionally-tilled systems, properly designed cropping systems that simultaneously insert grain legumes and cover crops reduce N requirements of the following durum wheat, stabilize SOC content but do not decrease N2O emissions at the rotation level.
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 | 0,000 |
| 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) | 0,002 | 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 ».