Cropping diversity is a main driver of soil health under intensive organic cropping systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ability of organic cropping systems to sustain soil health may vary with management intensity. Little research has examined the impact of varying management practices on soil health within intensive organic field crop production systems. A field survey was conducted in the fall of 2019, 2020, and 2021 on 10 certified organic farms in Québec, Canada. Their cropping systems comprised an intensive three-year maize ( Zea mays L.)-soybean ( Glycine max [L.] Merr.) – small grain (i.e., winter or spring cereals) rotation. On each farm, soil health was measured on the three rotated crop fields in the fall of 2019, 2020, and 2021 (n = 90). The relationships between soil health indicators and indices of management practices were assessed. The 3-year Crop Diversity Index (CDI) ranged from 2 to 16 across the sampled fields, with the highest values observed where cover crops were used annually, and winter cereals were included in the rotation. Soil physical health indicators were positively influenced by higher CDI values. In contrast, higher Soil Tillage Intensity Ratings for tillage (STIR tillage ) had a negative effect on soil organic carbon (SOC) concentrations. Soil health indicators did not vary among crop phases, except for water-stable aggregates (WSA) which was greater in small grain fields (43.5 %) than in soybean fields (33.9 %). The results from this study demonstrated that soil health was positively influenced by increased crop diversity and reduced tillage intensity. These findings will help organic growers choose and refine best management practices to maintain soil health when cropping intensively.
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.
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 | 0,001 |
| 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 découle