MétaCan
Menu
Retour à la cohorte
Enregistrement W4401122036 · doi:10.1016/j.jclepro.2024.143230

Potential contribution of water management practices under intensive crop production to climate-change-associated global warming

2024· article· en· W4401122036 sur OpenAlexaffabout
Qianjing Jiang, Ruitao Lou, Chandra A. Madramootoo, Zhiming Qi, Lulin Xue, Melissa Bukovsky, Yong He

Notice bibliographique

RevueJournal of Cleaner Production · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceClimate changeGlobal warmingProduction (economics)Crop productionWater resource managementAgroforestryAgricultureGeographyEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Optimizing water management practices to mitigate greenhouse gas (GHG) emissions in agroecosystems is of increasing interest under climate change. However, previous studies have focused more on paddy fields, little is known as to how water table management in subsurface drained fields or how irrigation practices in humid areas might affect the global warming potential (GWP). Drawing upon experimental data from four intensive crop production sites in Eastern Canada operating under different water management practices, the DeNitrification-DeComposition (DNDC) biogeochemical model was used to assess potential GHG emissions under twelve different sets of General Circulation Models coupled with Regional Climate Models (GCM-RCM) climate projections (2046–2075). Simulations showed that water table control/sub-irrigation and sprinkler irrigation might decrease GWP by allowing greater soil organic carbon (SOC) sequestration, despite increased N 2 O and CO 2 emissions than non-irrigated systems. While drip irrigation marginally increased the SOC sequestration, GWP still increased because the C gains from the residues generated by the greater crop biomass were offset by increased CO 2 and N 2 O emissions. Compared with surface drip irrigation, subsurface drip irrigation reduced the GWP by reducing N 2 O emissions, as well as increasing crop yield and SOC stock. Although greater crop biomass was expected to return to soil under projected climate change, simulations showed a consistent increase in the GWP of tomato cropping system alone under climate change. • GHG emissions would increase under climate change projections. • Water table control/subirrigation could decrease the GWP by allowing greater SOC sequestration. • Sprinkler irrigation enhanced SOC and reduced the GWP due to improved crop biomass. • Subsurface drip irrigation increased the GWP due to rising N 2 O emissions and SOC loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil0,164

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,283
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cleaner ProductionMême sujetCrop Yield and Soil FertilityTravaux en français237 207