Managing grazing to increase ground cover in rangelands: using remote sensing to detect change
Notice bibliographique
Résumé
Practices that improve the quantity, composition, and persistence of ground cover can contribute to a range of ecosystem services that support agricultural production, regulate climate, reduce erosion and support nutrient cycling. In rangeland grazing systems, incorporating periods of rest and matching stocking rates to feed availability is commonly used with the goal of improving land condition and productivity at a property scale. Understanding and quantifying differences in ground cover associated with changes to grazing management can provide livestock producers with greater confidence in the outcomes associated with their management. It can also demonstrate their nature positive activities which may be valued in emerging markets. This study sought to quantify any changes in ground cover resulting from changed grazing management (strategically managing the timing, intensity and duration of grazing events to maintain or improve land condition) across seven mixed grazing (cattle, sheep and/or goats) study sites in the semi-arid rangelands of western New South Wales, Australia. Time-series estimates of ground cover derived from Landsat imagery for each study site were compared with biophysically similar regional benchmark areas as controls. Overall, ground cover was found to have increased significantly (2–7%) following change in grazing management at four of the seven study sites, relative to control benchmark areas. It was apparent different land units varied in their response to the management change, and that the preceding 12 months rainfall (such as wet, intermediate or dry rainfall years) did not have a consistently significant effect on the relative response. Results of this study highlight that improvements in ground cover and land condition may be achieved through changes to grazing management, but also that there are complexities in both achieving and measuring any change. This study demonstrates the practical application of remotely sensed cover data and dynamic regional comparison techniques to document environmental outcomes at the property scale from grazing management in low input, extensive rangeland grazing systems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».