A Modified Soil Fertility Assessment Method Using Earthworm Density and Microbial Biomass C at Various Land Uses in Wonogiri, Indonesia
Notice bibliographique
Résumé
Soil fertility is the integrative effect of chemical, physical, and biological soil properties.A modified soil fertility assessment method that adds biological indicators is essential since this indicator is sensitive to dynamic environmental changes and can better represent the reality of soil fertility compared to the conventional method, which only considers chemical soil properties.The research aims to compare the modified and conventional methods in assessing the soil fertility index at various land uses, namely gardens, paddy fields, and moorland, in the Girimarto district, Wonogiri, Indonesia.The collection of soil samples used purposive sampling with three repetitions on 12 land mapping units (LMUs) obtained from an overlay of land use maps, soil type maps, slope gradient maps, and rainfall maps.Soil fertility index (SFI) assessment is based on the Minimum Soil Fertility Indicators (MSFI), which are selected from Pearson correlation, PCA, weight, and score and followed by stepwise regression analysis.The research showed that the modified method represents the soil fertility level better than the conventional one.The soil fertility index on three land uses using the modified method is lower than the conventional method, i.e., between 0.33 to 0.40 and 0.55 to 0.72, respectively.The modified method is more sensitive to dynamic environmental changes due to the contribution of soil biological indicators to the SFI value.Therefore, the biological indicators can represent soil fertility levels closer to reality.Future research needs to validate the modified method in different soil types, land uses, and areas.
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 ».