The pros and cons of increasing soil organic matter in dryland cropping systems
Notice bibliographique
Résumé
Soil organic matter (SOM) in drylands accounts for approximately 33% of global soil organic carbon (SOC) stocks and regulates many processes. Anthropogenic activities and climatic changes have influenced, and continue to significantly influence SOM contents. However, management practices that improve the soil carbon (C) and macronutrient balance can increase or maintain SOM. These include (1) maximising C inputs from grain crops, (2) integrating livestock and pasture phases, (3) using cover crops, (4) intercropping, (5) managing tillage and stubble, and (6) organic amendments. Estimated SOC increases achievable in drylands, ranging from 60 to 114 kg C ha year−1, fall short of the ambitious ‘4 per mille’ target, which is equivalent to a 0.4% annual increase in initial soil C, or at least 240 kg C ha−1 year−1 for drylands (assuming a global mean dryland SOC stock of 60 Mg C ha−1). In dryland systems, we propose a more rational approach, advocating for context-specific optima with a clear understanding of the benefits and costs to evaluate the suitability of management practices for improving SOM. The benefits include amelioration of soil constraints, improving nutrient and water availability, enhancing system resilience and sustainability, and potential participation in C markets. However, costs can be significant and are typically divided into the following two main categories: (1) economic (e.g. financial costs required for implementing management practices), and (2) environmental (e.g. the potential for increased nutrient loss via emissions or leaching as a result of enhanced nutrient cycling). The net benefit or cost is highly context-dependent, with the unique challenges of dryland environments being often overlooked in the literature. This review examines the primary strategies for maintaining or increasing SOM in dryland arable systems, the associated benefits and costs, methods for monitoring SOC stocks, and future challenges and opportunities.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».