Soil-crop long-term feedback matters to assess climate change impact on maize yield in Sub-Saharan Africa
Notice bibliographique
Résumé
Sub-Saharan Africa (SSA) faces significant food security risks, primarily due to low soil fertility leading to low crop yields. Climate change is expected to worsen food security issues in SSA due to a combined negative impact on crop yield and soil fertility. A common omission from climate change impact studies in SSA is the interaction between change in soil fertility and crop yield. Integrated soil fertility management (ISFM), which includes the combined use of mineral and organic fertilizers, is expected to increase crop yield but it is uncertain how this advantage is maintained with climate change.   We explored the impact of scenarios of change in soil fertility and climate variables (temperature, rainfall, and CO2) on rainfed maize yield in four representative sites in SSA with no input and ISFM management. To do so, we used an ensemble of 15 calibrated soil-crop models. Reset and continuous simulations were performed to assess the impact of soil fertility vs climate change on crop yield. In reset simulations, SOC, soil N and soil water were reinitialized each year with the same initial conditions. In continuous simulations, SOC, soil N and soil water values of a given year were obtained from the simulation of the previous year, allowing cumulative effects on SOC and crop yields.Most models agreed that with current baseline (no input) management, yield changed by a much larger order of magnitude when considering declining soil fertility with baseline climate (-39%), compared with considering constant soil fertility but changes in temperature, rainfall and CO2 (from -12% to +5% depending on the climate variable considered). The interaction between change in soil fertility and climate variables only marginally influenced maize yield (high agreement between models). The model ensemble indicated that when accounting for soil fertility change, the benefits of ISFM systems over no-input systems increased over time (+190%). This increase in ISFM benefits was greater in sites with low initial soil fertility. We advocate for the urgent need to account for soil-crop long-term feedback in climate change studies to avoid large underestimations of climate change and ISFM impact on food production in SSA.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».