Regenerative Agriculture—A Literature Review on the Practices and Mechanisms Used to Improve Soil Health
Notice bibliographique
Résumé
Conventional farming practices can lead to soil degradation and a decline in productivity. Regenerative agriculture (RA) is purported by advocates as a solution to these issues that focuses on soil health and carbon sequestration. The fundamental principles of RA are to keep the soil covered, minimise soil disturbance, preserve living roots in the soil year round, increase species diversity, integrate livestock, and limit or eliminate the use of synthetic compounds (such as herbicides and fertilisers). The overall objectives are to rejuvenate the soil and land and provide environmental, economic, and social benefits to the wider community. Despite the purported benefits of RA, a vast majority of growers are reluctant to adopt these practices due to a lack of empirical evidence on the claimed benefits and profitability. We examined the reported benefits and mechanisms associated with RA against available scientific data. The literature suggests that agricultural practices such as minimum tillage, residue retention, and cover cropping can improve soil carbon, crop yield, and soil health in certain climatic zones and soil types. Excessive use of synthetic chemicals can lead to biodiversity loss and ecosystem degradation. Combining livestock with cropping and agroforestry in the same landscape can increase soil carbon and provide several co-benefits. However, the benefits of RA practices can vary among different agroecosystems and may not necessarily be applicable across multiple agroecological regions. Our recommendation is to implement rigorous long-term farming system trials to compare conventional and RA practices in order to build knowledge on the benefits and mechanisms associated with RA on regional scales. This will provide growers and policy-makers with an evidence base from which to make informed decisions about adopting RA practices to realise their social and economic benefits and achieve resilience against climate change.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».