MétaCan
Menu
Retour à la cohorte
Enregistrement W7141870083 · doi:10.33545/2618060x.2025.v8.i1c.5218

Nutrient cycling efficiency and soil health outcomes in crop-livestock integrated systems under temperate conditions

2025· article· W7141870083 sur OpenAlexaboutno aff
Fraser Blackwood

Notice bibliographique

RevueInternational Journal of Research in Agronomy · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCyclingNutrient cycleLivestockCover cropTemperate climateManureNutrientSoil organic matterCropping

Résumé

récupéré en direct d'OpenAlex

Separating crops from livestock may have been modern agriculture's most expensive mistake at least from the soil's perspective. This research evaluated nutrient cycling efficiency, soil organic matter dynamics, and economic performance of crop-livestock integrated (CLI) systems compared to specialized crop-only and manure-amended systems at the Elora Research Station, University of Guelph, Ontario, Canada, from May 2019 to October 2023. Twelve 4-ha plots were assigned to four treatments: CLI with cattle grazing crop residues and cover crops, crop-only with synthetic fertilizer, crop-only with imported manure amendment, and a livestock-only pasture reference. After four years, CLI plots showed 27.1% higher soil organic matter, 78.4% nitrogen recycling efficiency versus 34.6% for crop-only, and 87.3% feed self-sufficiency. Net farm income under CLI exceeded crop-only by CAD 287/ha/yr when livestock revenue was included. These results confirm that reintegrating livestock into cropping systems substantially improves nutrient cycling in Ontario conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,385
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in AgronomyMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207