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\nwheat and sunflower inserting 0, 1 (pea or fababean) and 2 grain\nlegumes (GL) (pea and soybean), and with or without cover crops (CC)\nwere compared at INRA Toulouse from 2004. This experiment is still on\ngoing for a twelfth year. We demonstrated that 6 key points. 1) Pea as a\npreceding crop increased durum wheat grain production by 8%\ncompared to sunflower as a preceding crop with a mean reduction of N\nfertilization of 45 kg N ha-1. 2) Inserting GL in the rotations significantly\naffected the amount of C and N inputs to the soil that were lower than\nwith cereals and consequently led to a decrease in soil organic-C (SOC)\nand –N contents. 3) N leaching simulated using the STICS model was\nhigher when increasing the number of GL (from 22 to 52 kg N ha-1 after\ntwo rotation cycles of 6 years, for 0 to 2 GL respectively). 4) However,\nCC insertion i) reduced N leaching (from 15 to 18 kg N ha-1), ii) mitigated\nSOC loss, and iii) did not affect durum wheat grain protein concentration\nor yield. 5) Daily measured N2O emissions over the whole 3-year\nrotation were low but significantly higher under the CS including\nfababean than for the cereal-based CS (1.12 vs. 0.78 kg N2O-N ha-1 year-\n1) despite a lower N fertilization. Then, in such conventionally-tilled\nsystems, properly designed cropping systems that simultaneously insert\ngrain legumes and cover crops reduce N requirements of the following\ndurum wheat, stabilize SOC content but do not decrease N2O emissions\nat 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 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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».