Estimation of carbon contents and stocks are important for carbon sequestration, greenhouse gas emissions and national carbon balance inventories. For Denmark, we modeled the vertical distribution of soil organic carbon (SOC) and bulk density, and mapped its spatial distribution at five standard soil depth intervals (0−5, 5−15, 15−30, 30−60 and 60−100 cm) using 18 environmental variables as predictors. SOC distribution was influenced by precipitation, land use, soil type, wetland, elevation, wetness index, and multi-resolution index of valley bottom flatness. The highest average SOC content of 20 g kg−1 was reported for 0−5 cm soil, whereas there was on average 2.2 g SOC kg−1 at 60−100 cm depth. For SOC and bulk density prediction precision decreased with soil depth, and a standard error of 2.8 g kg−1 was found at 60−100 cm soil depth. Average SOC stock for 0−30 cm was 72 t ha−1 and in the top 1 m there was 120 t SOC ha−1. In total, the soils stored approximately 570 Tg C within the top 1 m. The soils under agriculture had the highest amount of carbon (444 Tg) followed by forest and semi-natural vegetation that contributed 11% of the total SOC stock. More than 60% of the total SOC stock was present in Podzols and Luvisols. Compared to previous estimates, our approach is more reliable as we adopted a robust quantification technique and mapped the spatial distribution of SOC stock and prediction uncertainty. The estimation was validated using common statistical indices and the data and high-resolution maps could be used for future soil carbon assessment and inventories.

Soil texture which is spatially variable in nature, is an important soil physical property that governs most physical, chemical, biological, and hydrological processes in soils. Detailed information on soil texture variability both in vertical and lateral dimensions is crucial for proper crop and land management and environmental studies, especially in Denmark where mechanized agriculture covers two thirds of the land area. We modeled the continuous depth function of texture distribution from 1958 Danish soil profiles (up to a 2‐m depth) using equal‐area quadratic splines and predicted clay, silt, fine sand, and coarse sand content at six standard soil depths of GlobalSoilMap project (0–5, 5–15, 15–30, 30–60, 60–100, and 100–200 cm) via regression rules using the Cubist data mining tool. Seventeen environmental variables were used as predictors and their strength of prediction was also calculated. For example, in the prediction of silt content at 0 to 5 cm depth, factors that registered a higher level of importance included the soil map scored (90%), landscape types (54%), and landuse (27%), while factors with lower scores were direct insolation (17%) and slope aspect (14%). Model validation (20% of the data selected randomly) showed a higher prediction performance in the upper depth intervals but increasing prediction error in the lower depth intervals (e.g., R 2 = 0.54, RMSE = 33.7 g kg −1 for silt 0–5 cm and R 2 = 0.29, RMSE = 38.8 g kg −1 from 100–200 cm). Danish soils have a high sand content (mean values for clay, silt, fine sand, and coarse sand content for 0‐ to 5‐cm depth were 79, 84, 324, and 316 g kg −1 , respectively). Northern parts of the country have a higher content of fine sand compared to the rest of the study area, whereas in the western part of the country there was little clay but a high coarse sand content at all soil depths. The eastern and central parts of the country are rich in clay, but due to leaching, surface soils are clay eluviated with subsequent accumulation at lower depths. We found equal‐area quadratic splines and regression rules to be promising tools for soil profile harmonization and spatial prediction of texture properties at national extentacross Denmark.

Abstract Texas Gulf is one of the 18 regional sites that is part of the USDA‐ARS Long‐Term Agroecosystem Research (LTAR) Network and focuses on cropland and integrated grazing land research in Central Texas, addressing challenges posed by soil characteristics, climate variability, and urbanization. This paper provides brief site descriptions of the two Cropland Common Experiments being conducted in the Texas Gulf LTAR region, emphasizing conservation tillage practices and precision agriculture techniques. The plot‐scale study is located in Temple, TX, at the USDA‐ARS Grassland, Soil and Water Research Laboratory and examines conventional tillage, strip tillage, and no tillage practices. The field‐scale study, located in Riesel, TX, at the USDA‐ARS Riesel Watersheds, assesses the impact of no tillage, cover crops, fertility management, adaptive management, and precision conservation on crop yield, profitability, and environmental footprint. Key measurements include soil and plant analyses, greenhouse gas fluxes, runoff water quantity and quality, and field operations recorded with precision agriculture equipment. Despite challenges posed by urban encroachment, future research aims to incorporate new technologies, such as unmanned ground vehicles, to enhance sustainability and productivity of the agricultural landscape. These experiments provide valuable insights for stakeholders, contributing to the development of sustainable agricultural practices tailored to the unique challenges within the Texas Gulf LTAR region.

Abstract Extreme weather and climate events have become more frequent and directly affect the ecological structure and function of integrated grazing lands. While the Great Plains have experienced a long history of regular disturbances from drought and floods, grazing, and fires, the increased frequency and magnitude of these disturbances can reduce ecological resilience, largely depending on management practices. Alternative strategies designed to adaptively manage grazing land resources based on the ecology of the system should increase the resistance and resilience to disturbances when compared to prevailing practices. Determining the ecologic and economic value of alternative strategies will require long‐term evaluations across large spatial scales. The Long‐Term Agroecosystem Research Network has been established to evaluate the differences between alternative and prevailing practices among 18 strategically located sites and across decadal time scales throughout the continental United States. A key integrated grazing land site within this network is the Texas Gulf located at the Riesel Watersheds in the Blackland Prairie of Central Texas. At this study site, the differences between alternative and prevailing grazing management strategies are now being evaluated. The alternative strategy was designed using a combination of knowledge of the site and species ecology with modern‐day tools and technologies. Alternatively, the prevailing practice implements a conventional year‐round continuous grazing system with heavy reliance on hay and supplemental protein during winter. Results will provide grazing land managers with economically viable adaptive management choices for increasing ecological resilience following extreme and frequent disturbance events.

Air pollution is one of the biggest problems in both developed and developing countries. Mathematical modeling is widely applied to assess how air pollutants impact on human and ecological health. In this paper, the fundamental behavior of the plumes along with stack height and the underlying assumptions of the Gaussian plume model were assessed. Additionally, the equation for advection and diffusion was also developed to analyze the pollutants concentration of brick kilns. Basically, the model considers the height, emission sources, eddy diffusivity, and wind profile as parameters by adopting the fundamental approaches of the model. Interestingly, the results revealed that when the stack height is reduced, pollutants are more prominent whereas when the stack height is increased, the pollutants are less prevalent along the x-axis. There is a close relationship between wind velocity and pollutants dispersion. The model illustrates that stronger winds tend to increase the dispersion of air pollutants; hence, areas with stronger winds typically have lower air pollution concentrations. The insights of this work will directly contribute to environmental sustainability by mitigating pollutants concentration, especially in the core urban areas. Additionally, the work is also applicable for the researcher and academia to select the optimal measurement techniques and ways forward for controlling the pollution level in the atmosphere.