Crop Conversion from Annual to Perennials: An Effective Strategy to Affect Soil Multifunctionality
Notice bibliographique
Résumé
Although crop conversion from annual to perennial crops has been considered as one path towards climate-smart and resource-efficient agriculture, the effects of this conversion on soil multifunctionality and biomass yields remain unclear. The objective of the study is to enhance soil multifunctionality while exerting a marginal influence on farmer income. Here, we investigated the effects of annual winter wheat (Triticum aestivum L.) and two perennial crops (a grass (Lolium perenne L.), a legume (Medicago sativa L.), and their mixture) on soil multifunctionality and biomass yield on the Yellow River floodplain. Soil multifunctionality was assessed by the capacity of water regulation and the multifunctionality of carbon (C), nitrogen (N), and phosphorus (P) cycles. C cycle multifunctionality index is the average of β-xylosidase, β-cellobiosidase, and β-1, 4-glucosidase. N cycle multifunctionality index is the average of L-leucine aminopeptidase and β-1, 4-N-acetyl-glucosaminidase, and acid phosphatase represented (and dominated) P cycle functions. The results showed that perennial crops enhanced soil multifunctionality by 207% for L. perenne, 311% for M. sativa, and 438% for L. perenne + M. sativa, compared with annual winter wheat (T. aestivum). The effect of perennial crops on soil multifunctionality increased with infiltration rate, dissolved organic C, microbial biomass C, and extracellular enzymatic activities for both C and N acquisition. However, we observed that perennial crops had a lower biomass yield than annual crop. Therefore, the transition of agricultural landscapes to perennials needs to take into account the balance between environmental protection and food security, as well as environmental heterogeneity, to promote sustainable agricultural development.
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 | 0,000 | 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) | 0,001 | 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 ».