MétaCan
Menu
Retour à la cohorte
Enregistrement W4322771965 · doi:10.1111/1365-2664.14380

The effects of crop type, landscape composition and agroecological practices on biodiversity and ecosystem services in tropical smallholder farms

2023· article· en· W4322771965 sur OpenAlexfundno aff
Cassandra Vogel, Katja Poveda, Aaron L. Iverson, Fabian A. Boetzl, Tapiwa Mkandawire, Timothy L. Chunga, Georg Küstner, Alexander Keller, Rachel Bezner Kerr, Ingolf Steffan‐Dewenter

Notice bibliographique

RevueJournal of Applied Ecology · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNorges ForskningsrådBundesministerium für Bildung und ForschungNational Science Foundation
Mots-clésShrublandAgroforestryAgroecologyEcosystem servicesMonocultureBiodiversityAbundance (ecology)Species richnessGeographyCover cropAgroecosystemAgronomyEcologyEcosystemAgricultureBiology

Résumé

récupéré en direct d'OpenAlex

Abstract In the tropics, smallholder farming characterizes some of the world's most biodiverse landscapes. Agroecology as a pathway to sustainable agriculture has been proposed and implemented in sub‐Saharan Africa, but the effects of agricultural practices in smallholder agriculture on biodiversity and ecosystem services are understudied. Similarly, the contribution of different landscape elements, such as shrubland or grassland cover, on biodiversity and ecosystem services to fields remains unknown. We selected 24 villages situated in landscapes with varying shrubland and grassland cover in Malawi. In each village, we assessed biodiversity of eight taxa and ecosystem services in relation to crop type, shrubland and grassland cover and the number of agroecological pest and soil management practices on smallholder's fields of different crop types (bean monoculture, maize‐bean intercrop and maize monoculture). Increasing shrubland cover altered carabid and soil bacteria communities. Carabid abundance increased in maize but decreased in intercrop and bean fields with increasing shrubland cover. Carabid abundance and richness and wasp abundance increased with soil management practices. Carabid, spider and parasitoid abundances were higher in bean monocultures, but this was modulated by surrounding shrubland cover. Natural enemy abundances in beans were especially high in landscapes with little shrubland, possibly leading to lower bean damage in monocultures compared to intercropped fields, whereas maize monocultures had higher damage. In maize, grassland cover and pest management practices were positively related to damage. Carabid abundance was higher fields with high bean damage, and increased carabid richness in fields with high maize damage. Parasitoid abundance was negatively associated with bean damage. Synthesis and application. Our results suggest that maintaining biodiversity and ecosystem services on smallholder farms is not achievable with a ‘one size fits all’ approach but should instead be adapted to the landscape context and the priorities of smallholders. Shrubland is important to maintain carabid and soil bacterial diversity, but legume cultivation beneficial to natural enemies could complement pest management in landscapes with a low shrubland cover. An increased number of agroecological soil management practices can lead to improved pest control while the effectiveness of agroecological pest management practices needs to be re‐evaluated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied EcologyMême sujetAgricultural Innovations and PracticesTravaux en français237 207