Agricultural management-driven soil inorganic carbon dynamics: Evidence from Chinese field experiments
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
Soil inorganic carbon (SIC) is a crucial component of soil carbon pool, impacting climate change and ecosystem functions. SIC is affected by drastic changes in agricultural practices, while its response remains uncertain. We synthesized 54 field studies in China to assess the impact of agricultural practices on soil carbon stock, focusing on SIC and its responses to environmental factors. Overall, agricultural practices significantly reduced SIC stock (3.37 %) while increasing soil organic carbon (SOC) stock (15.41 %) and total carbon stock (6.80 %). Carbon pool changes could be categorized as follows: synergistic increases in SIC and SOC; trade-offs between SOC increases and SIC decreases; and individual effects on either SOC or SIC. SIC varied significantly across practices and regions, driven by climate, field management, and soil properties. Mineral fertilizer and straw return caused SIC losses, particularly under low-temperatures (MAT < 10 ℃), high-rainfall (MAP > 400 mm), and after 30 years. Severe SIC losses were observed in Northeast and East China. Combining organic and mineral fertilizers optimized the balance between SIC and crop yield, especially in arid regions. Key factors affecting SIC stock included soil depth, nitrogen addition, and experimental duration. Furthermore, our meta -analysis revealed that the distinct responses of SIC and SOC to agricultural practices underscored the necessity of integrated management strategies that effectively balanced SOC sequestration with SIC conservation. This study enhances understanding of SIC cycle and provides scientific evidence for sustainable agricultural practices.
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 | 0,000 |
| 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 découle