Assessment of nitrogen fixing trees for soil amelioration in degraded agricultural lands
Notice bibliographique
Résumé
According to Environment and Climate Change Canada, roughly 7.4 million hectares of former cropland in the Prairie provinces are classified as degraded, with organic carbon levels too low to support profitable grain production without heavy fertiliser input. Nitrogen fixing trees (NFTs) offer a biological path to rebuild these soils, yet species performance data under Saskatchewan’s cold semi-arid climate are scarce. This research compared three NFT species—red alder (Alnus rubra), black locust (Robinia pseudoacacia), and Russian olive (Elaeagnus angustifolia)—planted on degraded cropland at Prairie Agricultural University, Saskatoon, from May 2018 to October 2023. Soil organic carbon, total nitrogen, bulk density, pH, microbial biomass carbon, and earthworm density were measured under each species and compared with an unplanted degraded control and an adjacent undisturbed grassland reference. After five years, A. rubra raised soil OC from 1.12% to 2.31% and total N from 0.084% to 0.168%—recovering approximately 86% and 87% of the undisturbed reference values, respectively. R. pseudoacacia performed nearly as well. Microbial biomass carbon doubled under both species. These results confirm that NFT plantations can substantially restore fertility in degraded Prairie soils within a five-year timeframe.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».