Predicting Soil Salinity Based on Soil/Water Extracts in a Semi-Arid Region of Morocco
Notice bibliographique
Résumé
Soil salinity is a major constraint to soil health and crop productivity, especially in arid and semi-arid regions. The most accurate measurement of soil salinity is considered to be the electrical conductivity of saturated soil extracts (ECe). Because this method is labor-intensive, it is unsuitable for routine analysis in large soil sampling campaigns. This study aimed to identify the best models to estimate soil salinity based on ECe in relation to a rapid electrical conductivity (EC) measurement in soil/water (referred to as S:W henceforward) extracts. We evaluated the relationship between ECe and the ECS:W extract ratios (1:1, 1:2, and 1:5) in salt-affected soils from the semi-arid Sehb El Masjoune region of Morocco. The soil salinity in this region is 0.5 to 235 dS/m, as determined by the ECe method. A total of 125 soil samples, from topsoil (0–15 cm) and subsoil (15–30 cm) with mainly fine to medium textures, were analyzed using linear, logarithmic, and second-order polynomial regression models. The models included all samples or grouped samples according to soil texture (fine, medium) or specific textural classes. The mean ECe values were 2.6, 3.1, and 7.9 times greater than the EC of 1:1, 1:2, and 1:5 S:W extracts, respectively. Polynomial regression models had the best predictive accuracy, R2 = 0.98, and the lowest root mean square error of 10.6 to 10.7 dS/m for the ECS:W extract ratios of 1:5 and 1:2. The polynomial models could represent the non-linear relationships between ECe and salinity indicators, especially in the 80–170 dS/m salinity range, where other models typically underestimate the salinity. These results confirm that advanced regression techniques are suitable for predicting soil salinity in a salt-affected semi-arid region. The site-specific models outperformed previously published models, because they consider the spatial variability and heterogeneity of the salinity in the study area explicitly. This confirms the importance of calibrating soil salinity models according to the local soil and environmental conditions. Consequently, we can undertake soil salinity assessments in hundreds of samples by using the simple, rapid ECS:W extraction method as a direct indicator of EC and extrapolate to ECe with a polynomial regression model. Our approach enables the widespread soil salinity assessments that are needed for land-use planning, irrigation management, and crop selection in salt-affected landscapes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».