Transformation of Soil Accumulated Phosphorus and Its Driving Factors across Chinese Cropping Systems
Notice bibliographique
Résumé
Understanding the transformation of accumulated phosphorus (P) is vital for P management. However, previous studies are limited to a few sites in Chinese agroecosystems. In this study, to investigate the temporal-spatial differences of transformation from accumulated P to available P (determined by the Olsen method), a dataset was assembled based on 91 national long-term experimental sites across China in the recent 31 years (1988–2018). A boosted regression tree (BRT) and a structural equation model (SEM) were used to analyze the factors influencing the transformation. The results showed that the transformation from accumulated P to available P in South China (1.97 mg kg−1) was significantly higher than that in other regions (0.69–1.22 mg kg−1). Soil properties were the main driving factors with a relative contribution of 81.8%, while climate and management practices explained 7.8% and 10.4% of the variations, respectively. Furthermore, SEM analysis revealed that the soil organic matter (SOM) could positively and directly affect the transformation, whereas the soil pH, soil silt content, and P fertilizer had negative and direct effects on it. For the first time, this study analyzed the transformation from soil accumulated P to available P at a national scale and at multiple sites and quantified the contribution of the main influencing factors. These results help to predict the soil available P content across different agroecosystems based on the input amount of P fertilizer, contributing to the regional precise management of P fertilizer application.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».