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 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 | 0,000 | 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 ».