Assessment of soil health and identification of key soil health indicators for five long-term crop rotations with varying fertility management
Notice bibliographique
Résumé
Long-term agricultural management practices affect soil health, but identifying measurable soil properties that reflect soil health (soil health indicators – SHIs) is a challenge. Five long-term (>40 years) crop rotations with varying cropping frequency, crop diversity, fertility and lime treatments were sampled as part of the Soil Heath Institute’s North American Project to Evaluate Soil Health Measurements (NAPESHM) at the University of Albert Breton Plots research site in 2019, and additional samples were collected in 2020 for additional indicator measurements. Many soil health frameworks such as the Cornell Assessment of Soil Health (CASH) generate soil health scores based on key SHIs identified from a large, multivariate database using principal component analysis (PCA). For our dataset, we adopted the PCA-based approach with the following questions in mind: 1) Were the key SHIs that explain a large portion of the total dataset variance also the key SHIs that were most sensitive to the rotation, fertilizer and lime management? 2) Were the key SHIs identified with PCA associated with soil health, soil fertility or inherent soil characteristics? We identified seven key SHIs with PCA that explained 86.8% of the database variance. Results of a permutational MANOVA suggested that crop rotation and fertilizer management significantly influenced the total variance of the identified key SHIs. Four of the seven identified key SHIs primarily reflected soil health and three SHIs primarily reflected soil fertility and/or inherent soil properties but were also positively associated with soil health at this site. Overall, the PCA-based approach used to develop the site-specific soil health score (SSpeSHS) proved to be a helpful screening tool for the identification of key SHIs that are sensitive to soil-health-promoting management practices from a large dataset.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».