How do soil hydro-physical properties vary among land uses and soil depth in Parakou, Northern Benin?
Notice bibliographique
Résumé
This study investigates the effect of land use on soil hydro-physical properties under four soil depths. Five land uses including Bare soils, Grassland, Agricultural land, Natural Forest and Teck plantation were considered to assess their effects on soil hydro-physical properties including hydraulic conductivity, water stock, bulk density, field capacity, capillary retention capacity, saturated water retention capacity, gravimetric water content, total porosity, and capillary porosity. Twelve soil samples were collected 24 h after infiltration test at four different depths (5, 15, 30, and 50 cm) of vertical soil profile from each land use site. Strong correlation occurred between total porosity, field capacity, capillary retention capacity, saturated water retention capacity, and capillary porosity. However, the bulk density was negatively correlated with the other abovementioned soil properties. The soil hydro-physical properties, especially the hydraulic conductivity, was significantly affected by the land uses. The total porosity showed opposite trend with bulk density that followed the order Teak plantation > Agricultural land > Grassland > Bare soil > Natural Forest. The field capacity, capillary water retention capacity, and saturated water retention capacity were lower in Bare soils, and higher in Teck plantation. The water stock was higher in Grassland and lower in Bare soil, then was positively correlated with soil hydraulic conductivity, which showed highest value in Agricultural land. This study shows that Bare soils performed less well in terms of water retention and hydraulic conductivity, highlighting the need to maintain adequate vegetation cover (grasses and trees) to preserve soil health and soil hydrological functions.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».