Long-term cover crop impacts on soil health indicators and processing tomato yield and quality in a temperate humid climate
Notice bibliographique
Résumé
Abstract Cover crops (CC) play a critical role in developing and maintaining agroecosystem resiliency. However, current research indicates an inconsistent effect of CC on soil health indicators and the relationship of soil health with crop yield and quality parameters. Hence, a long-term CC experiment established in 2007 at Ridgetown, Ontario, Canada was used to evaluate the CC effects on soil health indicators (56 indicators collected from 0 to 15 cm depth) and tomato fruit marketable yield and quality in 2019. To determine the association of soil functionality with tomato fruit yield and quality (i.e., plant compounds associated with human health), soil health indicator(s) were grouped into six critical soil functions. The CC treatments used to assess the soil health indicators and associated soil functions were winter cereal rye, radish, a mixture of radish and rye (radish + rye), and a no cover crop control (no-CC). Cover crops significantly enhanced 22 indicators by 2–35% than the no-CC treatment with the majority associated with nutrient supply. Fruit yield was greater with long-term cover crop, but there was no evidence that CC adoption would influence phytochemical contents and antioxidant activities of processing tomato. Among the tested CCs, greater values for most of the soil health indicators were observed for radish + rye ≥ radish > rye. Principal component analysis (PCA) demonstrated a clear separation of no-CC plots from the long-term CC species for the soil functions of erosion control, nutrient supply, and climate regulation; thus, confirming the implications of long-term CCing on increasing soil functioning and building resilient production systems.
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 | 0,001 |
| 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 ».