Impact of Agricultural Activities on Soil Particle Size, pH, and Organic Matter in the Dimonika Biosphere Reserve, Mayombe (Republic of Congo)
Notice bibliographique
Résumé
Land-use change disrupts several soil physico-chemical parameters. This study aimed to analyze the influence of agricultural activities, topography, and localities on soil texture, pH, and organic matter in the Dimonika Biosphere Reserve. To achieve this, 90 soil samples were collected using an auger based on land use types, topography, and localities. Analyses of soil texture, pH, total organic carbon (TOC), and total nitrogen (TN) were conducted at the IRSEN laboratory in Pointe-Noire. The results showed that clay texture predominates in the studied area, which is related to the nature of the soils. The Kruskal-Wallis ANOVA test highlighted a significant effect of agricultural activities on soil acidity, with an acidic pH ranging from 4.2 to 5 in cultivated areas, compared to a very acidic pH (3.5 to 4.2) in mature forests. However, neither topography nor localities affected pH. Total organic carbon significantly decreased in old plantations (1.3±0.3%) and fallows (1.5±0.5%) compared to mature forests (1.9±0.5%) and savannahs (2.3±0.6%), while total nitrogen showed no notable variations. Topography also had no influence on organic status (TOC, TN). However, at the local level, the Makaba area stood out with significantly higher TOC (2±0.5%) and TN (0.2±0.03%) compared to Les Saras (0.14±0.03%) and Kayes (0.16±0.2%). The C/N ratio, influenced only by agricultural activities, was below 15, indicating rapid organic matter mineralization and a low TOC content. Several potential solutions were proposed for sustainable soil management.
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) | 0,000 | 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 tête enseignante, 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 ».