Do Cover Crops Increase Subsequent Crop Yield in Temperate Climates? A Meta-Analysis
Notice bibliographique
Résumé
Cover crops (CCs) are a promising strategy for maintaining and enhancing agroecosystem sustainability, yet CCs’ effects on the subsequent crop yield are highly variable. To quantitatively synthesize the effects of CCs on subsequent crop yield, a meta-analysis of 672 observations collected from 63 recent studies (2015 to 2021) in temperate climates was conducted. Legume CC species increased subsequent crop yield significantly more than grass (by 14%), nonlegume broadleaves (by 7%), and mixtures (by 2%). Incorporation of CC residue into soil increased crop yield by approx. 15% compared to leaving the CC residue on the soil surface. Relative to the no-CC control, the adoption of grass and legume CC species in non-organic vegetable cropping systems enhanced crop yield by 14% and 19%, respectively. Likewise, crop yield with legume CCs in coarse and medium textured soil, and under high precipitation conditions (>700 mm), was significantly greater than the no-CC control by 18%, 4%, and 11%, respectively. Cover crops significantly increased vegetable crop yields and decreased the silage corn yield; however, grain corn, soybean, and winter wheat yield did not decrease with CC. Adoption of CC in no-tillage and plow tillage systems contributed to an increase in crop yield compared to the no-CC control. Our meta-analysis highlights that crop yield response to CC might become more robust when pedo-climatic conditions and agronomic factors are considered.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| 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) | 0,002 | 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 ».