Deep vertical rotary tillage optimizes soil water-temperature-salinity conditions and enhances cotton growth in salinized arid farmland
Notice bibliographique
Résumé
Soil salinization hinders cotton ( Gossypium hirsutum L. ) production and sustainable agricultural in arid regions. In this study, the effects of deep vertical rotary tillage (DVRT) on soil moisture, temperature, salinity, root system, cotton photosynthetic characteristics, and yield were evaluated over a two-year experiment. Two tillage methods were implemented: conventional tillage (CT, 0.20 m depth) and DVRT at 0.20, 0.40, and 0.60 m depths. Three treatments were evaluated: (i) continuous CT, (ii) alternating DVRT (DT20, DT40, DT60) with CT, and (iii) continuous DVRT (CDT20, CDT40, CDT60). Deep vertical rotary tillage (DT and CDT) increased soil moisture, reduced electrical conductivity, regulated soil temperature, enhanced cotton photosynthesis, root boll capacity, and ionic balance (Cl − , Ca 2+ , and Na + uptake). Among all treatments, DT60 showed the best yield response, increasing yield by 47 % and 44 %, improving fiber quality index by 35 % and 32 %, and enhanced water use efficiency (WUE) by 45 % and 50 %. Although CDT treatments enhanced salt leaching, they reduced soil moisture in bare ground more significantly than in mulched areas, indicating that excessive tillage increases evaporation, reduces water retention, and inhibits root development, thereby lowering WUE. The partial least squares path model revealed that DVRT optimized soil conditions, promoting root development and photosynthetic efficiency, thereby supporting biomass accumulation and yield formation The random forest model showed that soil moisture was the primary factor for yield formation, emphasizing its role in saline agriculture. These results highlight the importance of regulating soil moisture to improve crop yield, resource efficiency, and address climate change.
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) | 0,000 | 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 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 ».