A global bibliographic review of soil variability trends on arable land: An impetus to sustainable land management
Notice bibliographique
Résumé
Crop production is significantly affected by soil properties under the influence of climate, management practices, and geographical location. Soil variability affects the development, quality, biochemical reactions, and heterogeneity of soil. The most recent research has focused on soil variability monitoring, highlighting the importance of soil testing. This review aimed at identifying global research trends and assessing soil testing in monitoring variability on arable land, based on the bibliographic method. Literature search in Scopus Database (2020-2023) yielded 8,898 documents, refined to 815 articles. VOSviewer 1.6.20 Software was used for analysing exported data. The results revealed a growing emphasis on monitoring soil variability, with key countries including India, United States of America (USA), China, Australia, Canada, United Kingdom, and Brazil. Funding mainly came from Asia, North America, and Europe. Common monitoring approaches included soil tests and remote sensing, focusing on organic carbon, nitrogen, phosphorus, potassium, microorganisms, and soil moisture. However, digital illiteracy and high costs were major hindrances to using remote sensing and modern soil testing tools. The study suggests that whereas soil variability monitoring is essential for sustainable land management, development of affordable soil testing equipment and improved digital education are needed for its enhanced adoption.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,017 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».