MétaCan
Menu
Retour à la cohorte
Enregistrement W4308999698 · doi:10.5539/jas.v14n12p166

Long-Term Organic Inputs Determine Soil Productivity Better in Sorghum-Cowpea Rotation Than in Sorghum Monoculture

2022· article· en· W4308999698 sur OpenAlexvenueno aff
N. Ouandaogo, Dohan Mariam Soma, Bouinzemwendé Mathias Pouya, Zacharia Gnankambary, Badiori Ouattara, François Lompo, Hassan Bismarck Nacro, Papaoba Michel Sedogo, Delwendé Innocent Kiba

Notice bibliographique

RevueJournal of Agricultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMonocultureSorghumCrop rotationAgronomyHuman fertilizationManureLong-term experimentEnvironmental scienceMathematicsCropBiology

Résumé

récupéré en direct d'OpenAlex

Information on long-term fertilization combined with crop rotation can contribute to better management of West African Lixisols. There is little information on how long-term organic inputs influence soil chemical properties under cereal monoculture versus a rotation with a legume. Here, we investigated how fertilization regimes with emphasis on organic inputs influence soil chemical properties in sorghum monoculture compared to sorghum-cowpea rotation. The long-term field trial of Saria in Burkina Faso, which has been in operation since 1960, was used for this purpose. Soils were sampled at the 0-20 cm depth to determine their organic C, total N, total P, mineral N, available P, pHwater, exchangeable basic cations, and cation exchange capacity. The best soil properties were exhibited with the application of 40 t ha-1 of manure. Recycling of sorghum residues combined with mineral fertilization led to a decrease in mineral N and available P but maintained a higher level of total N and P compared to exclusive mineral fertilization. Organic inputs determined soil properties and sorghum yield better (R2 = 0.89) in rotation than in monoculture. Our results show that a better productivity of the studied Lixisol requires an application of manure at more than 5 t ha-1 combined with mineral fertilization. In addition, a rotation including a legume and a regular recycling of crop residues is necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgriculture and Rural Development ResearchTravaux en français237 207