Key soil properties and their relationships with crop yields as affected by soil–landscape rehabilitation
Notice bibliographique
Résumé
Abstract Tillage and water erosion induce spatially dependent changes in soil properties that influence productivity. Soil–landscape rehabilitation (returning translocated topsoil to landscape positions of soil loss by erosion) is one method to improve the productivity of severely eroded land. The objective of this study was to investigate relationships among key soil chemical, biological, and physical factors and crop growth and grain yield in eroded and rehabilitated landform positions. Soil–landscape rehabilitation was performed by moving 15–20 cm of topsoil from the lower slope to the upper slope positions of replicate plots; adjacent plots were left in their eroded condition. Crop response was monitored for 6 years. Rehabilitation resulted in large changes in the upper slope, especially in the most eroded landscape positions, where rehabilitated plots had lower inorganic carbon (IC) and higher organic carbon, available macronutrients, water infiltration rates, fungal and bacterial populations, and other measures of soil quality compared with control plots. Differences in surface soil IC that result from extensive erosion exposing calcareous subsoils, explained 70% of the yield variability in the upper slope. In the lower slope, the soil removal treatment was the main predictor of crop yield. Areas of soil removal had relatively high early‐season water content and low fungal and bacterial populations. Improving soil properties in areas of high soil loss by erosion increased both grain yield and yield stability across climatic conditions.
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 ».