REGULAR ARTICLE

Do organic inputs matter

–

a meta-analysis of additional yield

effects for arable crops in Europe

R. Hijbeek

&

M.K. van Ittersum

&

H.F.M. ten Berge

&

G. Gort

&

H. Spiegel

&

A.P. Whitmore

Received: 3 May 2016 / Accepted: 16 August 2016 / Published online: 25 August 2016

#

The Author(s) 2016. This article is published with open access at Springerlink.com

Abstract

Background and aims

Organic inputs have a positive

effect on the soil organic matter balance. They are there-
fore an important asset for soil fertility and crop growth.
This study quantifies the additional yield effect due to
organic inputs for arable crops in Europe when macro-
nutrients are not a limiting factor.

Methods

A meta-analysis was performed using data from

20 long-term experiments in Europe. Maxima of yield

response curves to nitrogen were compared, with and
without organic inputs, under abundant P and K supply.

Results

We were surprised to find that, across all experi-

ments, the mean additional yield effect of organic inputs
was not significant (+ 1.4 % ± 1.6 (95 % confidence
interval)). In specific cases however, especially for root
and tuber crops, spring sown cereals, or for very sandy soils
or wet climates, organic inputs did increase attainable yields.
A significant correlation was found between increase in
attainable yields and increase in soil organic matter content.

Conclusions

Aggregating data from 20 long-term exper-

iments in Europe, this study shows that organic inputs and/
or soil organic matter do not necessarily increase yields,
given sufficient nutrients are supplied by mineral fertilisers.
Results show the relevance of some environmental factors
for additional yield effect of organic inputs, but no simple
relation between organic inputs and crop growth.

Keywords

Soil fertility . Soil organic matter . Organic

inputs . Crop yield . Food security . Soil carbon
sequestration

Abbreviations

SOM

Soil organic matter

SOC

Soil organic carbon

Introduction

Soil organic matter (SOM) is often considered the most
important indicator of soil fertility (Johnston et al.

2009

;

Plant Soil (2017) 411:293

–

303

DOI 10.1007/s11104-016-3031-x

Responsible Editor: John A. Kirkegaard.

Electronic supplementary material

The online version of this

article (doi:10.1007/s11104-016-3031-x) contains supplementary
material, which is available to authorized users.

R. Hijbeek (

*

)

:

M. van Ittersum

Plant Production Systems, Wageningen University and Research,
Wageningen, The Netherlands
e-mail: renske.hijbeek@wur.nl

H. ten Berge
Plant Research International, Wageningen University and
Research, Wageningen, The Netherlands

G. Gort
Biometris, Wageningen University and Research, Wageningen,
The Netherlands

H. Spiegel
Austrian Agency for Health and Food Safety, Institute for
Sustainable Plant Production, Vienna, Austria

A. Whitmore
Sustainable Soils and Grassland Systems, Rothamsted Research,
Harpenden, UK

Reeves

1997

). It contributes to each of fertility

’

s three

dimensions: the physical (structure, aeration, water re-
tention), the biological (biomass, biodiversity, nutrient
mineralisation, disease suppression) and the chemical
(nutrient supply) dimension. On this basis, maintaining
SOM is an important strategy to maintain crop produc-
tivity (Lal

2004

). SOM contains about 50 % organic

carbon (Pribyl

2010

), making it

’

s increase a potential

means to mitigate greenhouse gas emissions (Smith

2016

). Because of this positive contribution to climate

change mitigation and food security, a voluntary action
plan has been proposed at COP21 to increase SOM in all
soils, called

B

the 4/1000 initiative: Soils for Food secu-

rity and Climate

^

(UNFCCC

2015

).

In some cases however, yield effects of SOM seem

smaller than expected. Reviewing the literature,
Loveland and Webb (

2003

) found it difficult to establish

a critical level of SOM for temperate regions. They also
did not find evidence for an adverse effect on crop yields
where SOM contents in the soils of England and Wales
were reduced. Similarly, comparing potential yields of
winter wheat and spring barley across a large range of
SOM contents in Denmark, Oelofse et al. (

2015

) found

no significant effect on yields of winter wheat and only a
small effect on yields of spring barley.

The mentioned studies compared the effect of actual

SOM content, they did not assess specific management
practices used to increase SOM. In arable soils, SOM can
be increased by increasing organic inputs or reducing
organic outputs (Freibauer et al.

2004

). Increasing organ-

ic inputs can be done by increasing returned biomass
(roots, litter) via higher yields or adding additional organ-
ic inputs such as compost, animal manure or crop resi-
dues. Decreasing organic outputs can be done by chang-
ing the moisture content of the soil or by using reduced or
no tillage, although the effect of the latter two remain
disputed (Govaerts

∗

et al.

2009

). Actual increase in SOM

depends on a number of factors, such as the current
amount of SOM, type of organic input, and environmen-
tal factors such as temperature, soil texture, and humidity
(Smith et al.

1997

).

Studies assessing the effects organic inputs on crop

yields show mixed results. A recent meta-analysis of 32
long-term experiments in China compared the com-
bined use of organic inputs and fertilizers with either
only organic inputs or only fertilizers (Wei et al.

2016

).

The average yield increase of combining organics and
fertilizers on wheat, maize and rice was found to be 8 %
compared to using only fertilizers. In a different case

however, (Dawe et al.

2003

) found no improvement in

grain yield trends with application of either manure or
straw in intensive rice systems.

How do these contrasting insights compare? Al-

though previous research has found a positive effect of
either organic inputs or SOM on crop yields (Monreal
et al.

1997

; Wei et al.

2016

), Oelofse et al. (

2015

) argue

that in these studies the effect of nutrients is seldom
separated from other effects. In fact, Wei et al. (

2016

)

also mention this as the largest limitation of their study.

To circumvent this limitation, we have assessed the

effect of organic inputs in a system without macro-
nutrient limitation. In such a system, any effect of organic
inputs on yield can be attributed to improved soil structure
or soil life (the other two components of soil fertility). In
our study, effects of organic inputs (also called organic
fertilisers, organic manures or organic amendments) on
attainable crop yields were examined in 20 long term
experiments across a variety of soils and climates in
Europe. To exclude the effects of macro-nutrients, the
yield effect was analysed under abundant phosphorus
(P) and potassium (K) supply and varying rates of nitro-
gen (N). Using this approach, we answer the following
research question: Do organic inputs increase attainable
yields? Previously, any effect of organic inputs or SOM
on crop yield which are not related to macro-nutrients has
been called the

B

additional yield effect

^

(Janssen

2002

).

Our objective is: to find the additional yield effect of
organic inputs, beyond the macro-nutrients supplied.

Materials and methods

Literature search

To find data on long term experiments in Europe, two
databases with metadata were used: the EuroSOMNET
metadata on 110 long-term experiments and a database
compiled in a recent European research project
(CATCH-C (

2015

)) containing 377 long-term experi-

ments. Promising experiments were selected and publi-
cations were searched using online search engines (Goo-
gle scholar, ISI Web of knowledge). When more publi-
cations were available for one treatment, only yield data
from the most recent publication was included.

The following selection criteria were used to select

experiments: (1) at least 4 increasing levels of N applica-
tions without organic inputs; (2) at least 4 increasing N
application levels with organic inputs; (3) P and K applied

294

Plant Soil (2017) 411:293

–

303

in ample amounts on all fields; (4) at least 5 years of yield
data; (5) if crops are grown in rotation, yield data available
for at least 2 rotations; (6) yield data reported for individual
crop types (mean yield values averaged over rotation were
excluded).

Data from 20 experiments was found adhering to

these selection criteria (Fig.

1

and Table

1

). Following,

107 distinct data sets were created, each representing a
single combination of experiment location, crop type
and organic input type, covering a number of years of
yield observations. All data was processed in R 3.0.0 (R
Core Team

2015

).

Calculating additional yield effect of organic inputs
for each set of data

Crop yields are known to steeply increase at lower levels
of N application while levelling off or slightly decrease at
high levels of N application. When yields are known at
different levels of N application, response curves can be
fitted (Cerrato and Blackmer

1990

). For each set of data in

our meta-analysis, two yield response curves were drawn:
one with and one without organic inputs (Fig.

2

). To fit the

curves, the following formula was used (George

1984

):

yield

¼

a

þ

b

*

0

:

99

N

þ

c

*

N

þ

ε

ð

1

Þ

In formula 1, N is nitrogen added as mineral

fertiliser (kg N/ha), a, b and c are parameters to be
fitted and

ε

is the error term. The maximum of each

curve was calculated by setting the first-order deriv-
ative equal to zero and inserting the optimal N rate in
Eq. 1. As P and K were applied in ample amounts, at
the maximum of each curve N, P and K (the macro-
nutrients necessary for crop growth) are not a limit-
ing factor for crop yields. Accordingly, the maximum
of each curve was regarded as the attainable yield for
local environmental conditions and management.
The additional yield effect of organic inputs was
calculated by taking the difference between the at-
tainable yield with and without organic inputs.

For each data set, response curves might fit the

data points better or worse, creating an error in the
estimation of the additional yield effect. To correct
for the goodness of fit of each curve, the delta
method (Oehlert

1992

) was used, giving a variance

for each data set. The inverse of the variance was
used as a weighting factor for the calculated addi-
tional yield effect of each data set. To enable com-
parisons among crops, the relative difference was
chosen as the response variable in the meta-analysis,
expressing the additional yield effect of organic
inputs as percentage of attainable yield with only
mineral fertiliser. Fig.

S1- S3

in Online Resource 1

show the individual response curves, while Fig.

S4

Fig. 1

Overview of locations of

long term experiments included in
the meta-analysis (20)

Plant Soil (2017) 411:293

–

303

295

Ta

b

le

1

Details

of

experiments

(20)

included

in

the

meta-analysis.

For

each

experiment,

clay

content,

pe

rc

enta

ge

SOM

at

sta

rt,

C

G

IAR-C

SI

Global

A

ridity

Ind

ex

,

star

tin

g

ti

m

e,

cr

ops

included

in

analysis

and

references

u

sed

are

given

.F

o

r

V

ienna,

additional

data

w

as

provided

by

H

eide

Spei

gel

(AG

ES

).

For

M

ue

ncheber

g,

data

w

as

provi

ded

by

D

ietmar

Barkusk

y

(ZALF).

For

G

rab

o

w

,

d

ata

was

p

rovided

b

y

D

orota

P

iku

ł

a

(IUNG).

For

B

ologna,

additional

data

w

as

provi

ded

by

G

uido

Baldoni

(Univers

ity

of

Bo

logna).

For

P

uch

,

additional

data

w

as

provided

by

Matthias

W

endland

(Bayern

LF

L)

Expe

riment

Cl

ay

con

tent

(%

<

2

μ

m)

SO

M

at

st

art

(%)

CG

IA

R-CS

I

Ar

id

it

y

inde

x

Starting

time

Crops

T

ypes

o

f

o

rg

anic

inputs

References

u

sed

Bad

L

auchstadt

2

1

3

.5

6

0

.6

8

1978

p,

s

FY

M

,

G

M

,

straw

E

ich

et

al.

2013

;

P

fef

ferko

rn

and

Kö

rs

ch

en

s

19

9

5

Bolog

n

a

1

-

1

.3

0.

7

5

1966

m,ww

FY

M,

slu

rry

,

straw

Giordani

et

al.

20

1

0

;

T

riberti

et

al.

200

8

Grabow

2

1

.2

9

0

.7

3

1980

m,p

sb,

w

w

FY

M

-

Iasi

39

-

0

.6

1

1984

m,s

FY

M

,

straw

&

B

L

H

id

eb

o

rn

A

lm

and

D

ah

lin

2007

;

Mogârzan

et

al.

20

0

7

;

V

asilica

et

al.

19

9

7

Ivanov

ic

e

3

3

-

0.

7

1984

wb,

w

w

,

FY

M,

straw

&

B

L

Hideborn

A

lm

and

D

ahlin

2007

;

V

rko

c

et

al.

19

9

6

Keszthely

2

1

.3

1

.4

0.

7

2

1984

wb

FY

M,

straw

&

GM

Hoffman

n

et

al.

1997

;

K

ismányo

k

y

and

T

óth

2012

Limburgerhof

10

1.

2

9

0.

7

2

1987

m,

ww

straw

&

GM,

straw

&

GM

&

slurry

Lang

et

al.

199

5

Lukavec

1

5

3

.3

0.

8

4

1984

p,

w

b

FY

M,

straw

&

GM

Ká

š

et

al.

2010

;

V

rko

c

et

al.

1996

;V

rk

o

č

et

al.

20

0

2

Madrid

27

1.

1

9

0.

3

1

1985

sb,

w

w

FY

M

,

straw

López-Fando

and

Pardo

Fernánd

ez

20

0

8

;

L

ó

p

ez-Fando

et

al.

19

9

9

Methau

14

.8

3.

3

0

.8

1

1966

p,

sb

,s,w

w

straw

Albert

an

d

G

ru

n

ert

20

1

3

;

Körschens

et

al.

201

4

Muench

eb

er

g

4.

0

5

0.

9

9

0.

7

5

1962

sb,s,

w

r,

w

w

FY

M,

straw

-

Novi

Sad

-

2.

6

2

0.

6

4

1984

m,s,

w

w

FY

M,

straw

&

B

L

,

straw

&

B

L

&s

lu

rr

y

Star

č

evi

ć

et

al.

2005

;S

ta

r

č

evi

ć

et

al.

1997

Oldenb

u

rg

6

.1

9

2

.8

4

1

.0

9

1984

s,w

b

,ww

slu

rr

y,

straw

&

GM

&

B

L

K

lasink

and

Stef

fens

19

9

5

Prah

Ruzyne

33

-

0

.6

2

1984

s,w

b

,ww

FY

M

,

straw

&

G

M

&

BL

V

rkoc

et

al.

19

9

6

Puch

23

1.

8

6

1.

2

2

1984

m,s,

slu

rry

,

straw

,

FYM,

straw

&

BL,

straw

&

GM

&

B

L,

straw

&

GM

&

slurry

,

straw

&

slurry

Hege

and

O

ff

enberger

20

0

6

Rau

is

chholz-hausen

17

2.

2

4

1.

0

6

1984

s,w

b

,ww

straw

&

G

M

&

BL

V

o

n

B

o

guslawsk

i

19

9

5

Speyer

8.

9

1

.2

4

0

.8

1984

s,w

b

,ww

FY

M

,

straw

&

G

M

&

BL

Bischo

ff

19

9

5

Sproda

6.

3

2

.2

0.

6

8

1966

sb,

s,ww

FY

M

,

straw

Albert

an

d

G

ru

n

ert

20

1

3

;

Körschens

et

al.

201

4

T

artu

7

.7

1.

7

1

1.

0

5

1989

p,

sb

,sw

FY

M

,

straw

&

B

L

K

anal

et

al.

200

3

;

K

u

ldkepp

et

al.

19

9

6

V

ienna

25

.2

2.

5

5

0.

7

1

1986

s,w

b

,ww

FY

M

,

slu

rr

y,

straw

&

GM

&

B

L

H

ösch

and

D

ersch

2002

;

S

pieg

el

et

al

.

20

1

0

m

ma

ize

,

p

po

ta

to

es

,

s

sugar

beet,

sb

spring

barley

,

wb

winter

barley

,

wr

wint

er

ry

e,

ww

wi

nt

er

w

h

ea

t,

FYM

fa

rm

y

ard

m

anur

e,

GM

green

m

anure,

BL

be

at

le

ave

s

296

Plant Soil (2017) 411:293

–

303

in Online Resource 1 gives the additional yield
effect and related 95 % confidence interval for each
data set.

Removing of outliers

Yield effects were checked for outliers by assessing the
point cloud across different variables and constructing a
funnel plot. If a data point was located outside the point
cloud and P and K could not be excluded as yield
limiting factors in the treatment without organic inputs,
the data was removed from the meta-analysis (This was
only necessary in one case).

Assessing influence of co-variates

To assess the influence of environmental factors, crop
characteristics or type of organic input, factors and co-
variables were identified. Two grouping factors were
used: type of organic input and crop type. In some cases,
a combination of organic inputs was used, for example
straw and slurry, where one of year straw was applied
and the next year slurry. Each combination of organic
inputs was included as a separate category.

In addition, for each dataset the following informa-

tion was obtained from the literature: clay content, per-
centage of SOM content at the beginning of each exper-
iment, amount of carbon in organic input, SOM change
during each experiment and duration of each experi-
ment. When numbers were given in percentage of soil
organic carbon (SOC), they were multiplied with the
conventional factor 1.724 (Pribyl

2010

; Waksman and

KR

1930

). Duration of each experiment was multiplied

with yearly carbon applied to give the total C added over
the years. Geographical coordinates of each experiment
were used to find the CGIAR-CSI Global Aridity Index
(Trabucco and Zomer

2009

).

To assess the effect of the grouping factors and co-

variates, a mixed effects model with a hierarchical struc-
ture (Konstantopoulos

2011

) was used. Mixed effect

models allow for incorporation of random effects, which
is important when observations are not from a stratified or
random sampling design as is typical in meta-analyses
(Gurevitch and Hedges

1999

). The following two random

effects were incorporated in the analysis: (1) Experiment:
As a single experiment may produce multiple data sets,
experiment was used as a random factor. (2) Treatment
without organic inputs: Within a single experiment, mul-
tiple treatments with organic inputs can exist (for example
one treatment with farmyard manure and one with crop
residues) which are all compared to the same treatment
without organic inputs (with only mineral fertiliser).

Group means for crop type and type of organic input

were estimated with R-package lsmeans (Lenth

2015

).

To find the marginal effect of each co-variate on the
additional yield effect of organic inputs, a separate mod-
el was made for each co-variate using the function lme
(linear mixed-effects model) of package nlme (Pinheiro
et al.

2015

). Within these models, log-likelihood was

maximized and yield effects were weighted by the in-
verse of the variance. Interaction between crop type and
co-variate were checked on significance. Only SOM
change had a significant interaction with crop type.

7

8

9

10

11

0

50 100 150 200

mineral fertiliser (kg N/ha)

yield (t/ha)

(a)

with organic input

no organic input

0%

2%

4%

Additional yield effect of organic input

(b)

Fig. 2

Example of yield response curve to mineral fertiliser-N

under sufficient P and K supply with and without organic inputs.

a

Black line is the response curve without organic inputs. The green
line is the response curve with organic inputs. Squares indicate the
maximum of each curve. The difference between the two maxima
is due to the additional yield effect of organic inputs.

b

Green circle

is the relative difference between the two maxima. Green line
indicates the 95 % confidence interval due to the goodness of fit
of the two curves. Yield data is from maize grown in Novi Sad
between 1996 and 2003, with and without farmyard manure

Plant Soil (2017) 411:293

–

303

297

Model selection

To assess which combination of co-variates and factors
could best explain the difference in the additional yield
effect of organic inputs, multi-model dredging was per-
formed using the dredge function in the R-package
MuMin (Barton and Barton

2015

). This function con-

structs a list of models by combining the given co-
variates and then gives a ranking according to the
corrected Akaike Information Criteria (AICc), an indi-
cator commonly used to assess model fit (Bozdogan

1987

).

Two model selections were run. In the first model

selection, only data from experiments was included for
which information on both percentage of clay and SOM
content was available (15 out of 20

)

. For the second

model selection, only experiments were included for
which data on SOM change was available (8 out of 20).

Sensitivity analysis

For some sets of data, maximum yield was not reached
within the N applications of the experimental set-up.
These maxima had to be estimated beyond the experi-
mental set-up resulting in a higher uncertainty. When
analysing the data, these points could be either included
or excluded, with each choice having its own advantage.
Excluding these data points gives a dataset with more
certainty on each individual estimate, but including
them increases the size of the total dataset. Because a
greater uncertainty results in a larger variance, meaning
a smaller weight is given to a yield effect which is
calculated with a maximum yield outside the experi-
mental setup, we chose to include these data sets in the
meta-analysis. To see the effect of including or exclud-
ing the maxima outside the experimental set-up, a sen-
sitivity analysis was done on the main results.

Results

The mean additional yield effect of organic inputs across
all 107 data sets is not significant in our meta-analysis
(1.4 % ± 1.6 (95 % c. i.)). When excluding maxima
estimated outside the experimental set-up, the mean
yield effect is slightly higher: 1.9 % ± 2.0 (95 % c.i.),
yet still not significant.

Additional yield effect across type of organic inputs,
crop types and time of sowing

Comparing different types of organic inputs, the yield
effect is roughly similar, but only the mean additional
yield effect of farmyard manure is significantly positive
(2.2 % ± 1.8 (95 % c.i.)

–

Fig.

3

a). Yet we did find

effects on specific crops. For potatoes the mean yield
increase is 7.0 % ± 4.9 (95 % c.i.). In addition, our
results show that maize, a crop with a less developed
root system than wheat or barley, also benefits signifi-
cantly from organic inputs (mean yield effect of
4.0 % ± 3.7 (95 % confidence interval)

–

Fig.

3

b).

Across the 20 experiments, cereals sown in winter do

not benefit form organic inputs in our meta-analysis
(Fig.

3

c). On the other hand, spring sown cereals do

−5% 0%

5% 10%

straw & green residues (32)

straw (20)

slurry (8)

farm yard manure (38)

Type of organic input

wheat (31)

sugar beet (21)

potatoes (11)

maize (15)

barley (27)

Crop type

−5% 0%

5% 10%

−5% 0%

5% 10%

Additional yield effect of organic input

winter sown cereal (48)

spring sown cereal (27)

Time of sowing

(a)

(b)

(c)

Fig. 3

Influence of type of organic input (

a

), crop type (

b

) and

time of sowing (

c

) on additional yield effect of organic inputs.

Circles are mean additional yield effects, lines the 95 % confidence
interval. Numbers in brackets are the number of data sets in each
group. Only groups with at least 8 data sets are shown. Green
residues are either green manures or beet leaves. Groups with less
than 8 data sets and results of the sensitivity analysis are shown in
Fig.

S5

of Online Resource 1

298

Plant Soil (2017) 411:293

–

303

benefit (3.4 % ± 2.6 (95 % c.i.)). Spring sown crops have
a shorter time frame to develop their root system which is
needed to acquire sufficient nutrients and water (Johnston
et al.

2009

). Organic inputs, by improving soil structure,

might facilitate this process, resulting in larger yields.

Influence of soil, climate and amount of C added

Crops grown on more sandy soils show a positive yield
effect of organic inputs, while more clayey soils show
neutral or negative yield effects (Fig.

4

a). Relatively

sandy soils normally have a poorer soil structure, which
can be improved by adding organic inputs. Soils with
low SOM content would also be expected to benefit
more from organic inputs, but this is not apparent in
our results (Fig.

4

b).

For each experiment, we expressed climate in terms

of aridity using the CGIAR-CSI Global Aridity Index
(Trabucco and Zomer

2009

). Lower values indicate

lower temperatures with more rainfall while higher

numbers indicate higher temperatures with less rainfall.
In our study, crops grown in wetter climates benefit
more from organic inputs (Fig.

4

c).

Experiments differ in the type and the amounts of

organic inputs applied annually, and in their duration.
After converting all organic inputs to total C (ton C/ha,
cumulated over the years), no significant relation was
found between total C input and the yield effect
(Fig.

4

d).

Relative increase in SOM

For a subset of experiments, percentage increase in
SOM during the experiment could be calculated. When
running a model selection, combining the relative in-
crease in SOM content with crop type gives the largest
explanation of variance in the additional yield effect of
organic inputs (Tables

S1

and

S2

in Online Resource 1).

The magnitude of the effect is shown in Fig.

5

a.

p

(

Δ 

intercepts

)

=

0.0005

p

(

slope

)

=

0.047

−10%

0%

10%

20%

clay content

Additional yield effect of organic input

Soil texture

p

(

slope

)

=

0.81

p

(

Δ 

intercepts

)

=

0.0015

−10%

0%

10%

20%

SOM

SOM at start

p

(

slope

)

=

0.042

p

(

Δ 

intercepts

)

=

0.0007

−10%

0%

10%

20%

semi

−

arid

↔ 

humid

Additional yield effect of organic input

Climate

p

(

slope

)

=

0.063

p

(

Δ 

intercepts

)

=

0.0012

−10%

0%

10%

20%

0%

10%

20%

30%

40%

1%

2%

3%

4%

0.25

0.50

0.75

1.00

1.25

0

20

40

60

80

C added over the years (ton C/ha)

Total C added

(a)

(b)

(c)

(d)

root or tuber crop

spring sown cereal

winter sown cereal

Fig. 4

Influence of soil texture (

a

), SOM content at the start of the

experiment (

b

) climate (

c

) and amount of C applied over the years

(

d

) on the additional yield effect of organic inputs. Clay content is

expressed as the percentage of particles <2

μ

m in the soil. Climate

is expressed as the CGIAR-CSI Global Aridity Index. Larger
points have a smaller variance and therefore a higher weight. P
(

Δ

intercepts) is the probability for the intercepts to be equal. P

(slope) is the probability the common slope is equal to zero

Plant Soil (2017) 411:293

–

303

299

Discussion

When discussing possible benefits of organic inputs and
soil organic matter beyond nutrients supplied, it has
been suggested that root or tuber crops might benefit
more than cereals (Haan

1977

; Verheijen

2005

). The

reason being that root and tuber crops depend more on
soil structure for their successful cultivation and harvest-
ing. Our study confirms this suggestion with a mean
yield increase for potatoes of 7 %.

Crops grown in both very dry or very wet conditions

could potentially benefit from organic inputs as SOM
increases water holding capacity in dry climates (Díaz-
Zorita et al.

1999

) and prevents soil compaction in wet

climates (Soane

1990

). In our study, crops grown in

wetter climates do benefit more from organic inputs. As
expected for a meta-analysis over Europe, most of our
experiments (16) however have a humid climate (index
>0.65), with three experiments having a dry sub-humid
climate (index 0.5

–

0.65), one a semi-arid climate (0.2

–

0.5) and none arid or hyper arid climates (index <0.2). As
very dry climate were not included, this could be the
reason why we could not confirm whether organic inputs
have additional yield effects in dry climates.

Very weathered soils, mostly occurring in tropical

regions, were also not included in our meta-analysis.
Weathered soils often have very low cation exchange
capacity (Palm et al.

1997

) and lack a number of micro

nutrients necessary for crop growth (Gupta et al.

2008

).

On weathered soils therefore, yield effect of organic
inputs could be larger when related to treatments with
only N, P and K supplied. A recent global database

suggests experimental set-ups as used in our meta-
analysis do not exist outside temperate regions (ISCN

2015

), establishment of such long term experiments

would therefore be recommended.

Before analysis, percentage of SOM at the start of

each experiment was expected to be the largest influenc-
ing factor. Yet, no significant difference was found com-
paring experiments with different SOM contents
(Fig.

4

b). There is however uncertainty associated with

comparing SOM contents across 20 experiments. When
available, measurements of the upper soil layer or plough
layer (often 24

–

30 cm) were included in the analysis, yet

depth of measurement was not always explicitly stated. In
addition, measurements of SOM are known to deviate,
depending on methods used (Hoogsteen et al.

2015

).

Even though some error in SOM measurements might
be involved, our finding does correspond well with a
recent study in Denmark comparing yields of winter
wheat across a large range of SOM contents (Oelofse
et al.

2015

), with similarly no effects found.

Figure

5

a seems to indicate that more so than the total

SOM at start (Fig.

4

b) or the total C added (Fig.

4

d), it is

the percentage of fresh SOM in the soil which makes a
difference. If so, this finding corresponds well with
suggestions of Loveland and Webb (

2003

) that the

proportions of fresh SOM is more important than the
total pool of SOM. On the other hand, higher yields also
have an effect on SOM by returning more crop, root and
stubble residues (Glendining and Powlson

1995

). One

could therefore question if larger yields in our analysis
are the result of the increased SOM content (Fig.

5

a), or

vice versa (Fig.

5

b)? In practice, both possibilities might

p(root or tuber)=0.027
p(spring sown cereal)=0.0024 
p(winter sown cereal)=0.34 

−10%

0%

10%

20%

Increase in SOM

Increase in attainable yield

SOM increases yield

or

p(root or tuber)=0.035
p(spring sown cereal)=0.05 
p(winter sown cereal)=0.75 

0%

10%

20%

30%

0%

10%

20%

30%

−10%

0%

10%

20%

Increase in attainable yield

Increase in SOM

Yield increases SOM

?

root or tuber crop

spring sown cereal

winter sown cereal

(a)

(b)

Fig. 5

Relation between increase in SOM and yield increase.

a

Increase in yield related to increase in SOM. x-axis: increase in
SOM between the treatment with only mineral fertiliser and the
treatment with organic inputs added. y-axis: difference in maxi-
mum yield between the treatment with only mineral fertiliser and

the treatment with organic inputs added.

b

axes vice versa from a.

Larger points have a smaller variance and therefore a higher
weight. P (

Δ

intercepts) is the probability for the intercepts to be

equal. P (

Δ

slope) is the probability for the slopes to be equal

300

Plant Soil (2017) 411:293

–

303

be true and

–

if so

–

can be mutually reinforcing: in some

cases more SOM gives somewhat higher yields, which
adds more organic matter to the soil which in turn gives
higher yields, which then again gives more SOM.

Limitations of study and broader contextualization

This meta-analysis did not find a significant mean addi-
tional yield effect of organic inputs. When assessing the
use of organic inputs on a farm or regional level how-
ever, other aspects might also be relevant. Organic in-
puts can promote the buffering function of soil in years
with less favourable conditions, thereby reducing yield
variability (Pan et al.

2009

). In our experiments, vari-

ability in attainable yields was not lessened with organic
inputs (data not shown), but this could be tested further
under more extreme climates.

Using organic inputs can also have environmental

effects. Soils with higher SOM contents for example
might create a more flourishing habitat for soil biota
(Chang et al.

2007

). Maintaining SOM contents can

therefore contribute to biodiversity conservation.

Combining organic inputs with mineral fertilisers can

decrease the demand for mineral fertilisers which can
have positive effects such as a decrease in demand for
fossil fuels (Wood and Cowie

2004

). In our meta-analy-

sis, the savings of mineral fertiliser N with organic inputs
are substantial (Fig.

S6

and Table

S3

in Online Resource

1). The savings in mineral fertiliser N however do not
outweigh the total N in the organic inputs and mineral N
added for growth of green manures or decomposition of
straw. Consequently, organic inputs might affect the ex-
tend of nitrate leaching, nitrous oxide or ammonia emis-
sion. For nitrate leaching, both positive (Leclerc et al.

1995

) and negative cases (Basso and Ritchie

2005

;

Oelofse et al.

2015

) are known. It has been suggested

that the number of years of application is crucial and that
over the long-term, if nutrients are applied attuned to crop
requirements, organic inputs have no significant effect on
nitate leaching (Maeda et al.

2003

).

Even though the mean additional yield effect across

all data sets was not significant, a large variance exists
between data sets. Using grouping factors (crop type,
type of organic input) and co-variates (clay content,
aridity), some variance was explained, but large parts
remained unknown. In some individual cases, organic
inputs did increase attainable yield significantly (Fig.

S4

in Online Resource 1). In others, organic inputs might
have had little effects on soil structure, either because

soil structure was already very good or because it was
beyond simple repair. These type of nuances can be
tackled in-depth in single experiments, but are difficult
to disentangle when aggregating larger data sets. Com-
bining meta-analysis with more in-depth studies is
therefore vital for more thorough understanding of pro-
cesses and mechanisms involved.

Conclusions

Using organic inputs to increase soil organic matter is
often seen as a win-win situation for food security and
climate change mitigation, such as in the recently pro-
posed

B

4/1000 initiative

^

at COP21 (UNFCCC

2015

).

Using organic inputs to sequester carbon might be a
viable option to buy time for developing technologies
for reducing industrial emissions (IGBP

1998

), this

meta-analysis however shows that benefits for crop
yields cannot be assumed to follow directly. On sandy
soils, in wet climates and for certain crops (some root or
tuber crops and spring sown cereals) organic inputs can
increase yields beyond the nutrients they supply. In
those cases, increases in attainable yields vary mostly
between 3 to 7 %. In the majority of cases however,
supplying only mineral fertiliser gives similar yields.

Acknowledgments

We thank all who set up, maintained and

shared data from long-term experiments in Europe through their
publications. We thank Dietmar Barkusky (ZALF), Matthias
Wendland (Bayern LFL), Guido Baldoni (University of Bologna)
and Dorota Piku

ł

a (IUNG) for providing additional data. We

acknowledge Margaret Glendining for providing an overview on
long term experiments in Europe and sharing her network. We
thank Jan Verhagen and Bert Janssen for suggestions on method-
ology and Steve McGrath and Ken Giller for reviewing the text.

Open Access

This article is distributed under the terms of the

Creative Commons Attribution 4.0 International License (http://
creativecommons.org/licenses/by/4.0/), which permits unrestrict-
ed use, distribution, and reproduction in any medium, provided
you give appropriate credit to the original author(s) and the source,
provide a link to the Creative Commons license, and indicate if
changes were made.

References

Albert E, Grunert M (2013) Wirkung einer langjährig

differenzierten mineralisch-organischen Düngung auf
Ertrag, Humusgehalt, N-Bilanz und Nährstoffgehalte des
Bodens. Arch Agron Soil Sci 59:1073

–

1098

Plant Soil (2017) 411:293

–

303

301

Barton K, Barton MK (2015) Package

‘

MuMIn

’

. 1.15.6 edn, The

Comprehensive R Archive Network.

Basso B, Ritchie JT (2005) Impact of compost, manure and inor-

ganic fertilizer on nitrate leaching and yield for a 6-year maize

–

alfalfa rotation in Michigan. Agriculture, Ecosystems &
Environment 108:329

–

341. doi:

10.1016/j.agee.2005.01.011

B i s c h o f f R ( 1 9 9 5 ) D e r I n t e r n a t i o n a l e O r g a n i s c h e

Stickstoffdauerdüngungsversuch (IOSDV) Speyer. Arch
Agron Soil Sci 39:461

–

471

Bozdogan H (1987) Model selection and Akaike's information

criterion (AIC): the general theory and its analytical exten-
sions. Psychometrika 52:345

–

370

CATCH-C (2015) European research project CATCH-C.

www.

catch-c.eu

Cerrato M, Blackmer A (1990) Comparison of models for describ-

ing; corn yield response to nitrogen fertilizer. Agron J 82:
138

–

143

Chang E-H, Chung R-S, Tsai Y-H (2007) Effect of different

application rates of organic fertilizer on soil enzyme activity
and microbial population. Soil Science and Plant Nutrition
53:132

–

140

Dawe D, Dobermann A, Ladha J, Yadav R, Bao L, Gupta R, Lal P,

Panaullah G, Sariam O, Singh Y (2003) Do organic amend-
ments improve yield trends and profitability in intensive rice
systems? Field Crop Res 83:191

–

213

Díaz-Zorita M, Buschiazzo DE, Peinemann N (1999) Soil organic

matter and wheat productivity in the semiarid argentine pam-
pas. Agron J 91:276

–

279

Eich D, Körschens M, Pfefferkorn A (2013) 100 Jahre Agrar-und

Umweltforschung Bad Lauchstädt: Geschichte der
Forschungsstätte von 1895 bis 1995. Springer-Verlag

Freibauer A, Rounsevell MD, Smith P, Verhagen J (2004) Carbon

sequestration in the agricultural soils of Europe. Geoderma
122:1

–

23

George B (1984) Design and interpretation of nitrogen response

experiments. Nitrogen requirement of cereals: proceedings of
a conference organised by the Agricultural Development and
Advisory Service, September 1982. London: HMSO, 1984.

Giordani G, Comellini F, Triberti L, Nastri A (2010) Dopo 15 anni

di residui interrati al grano non serve più l

’

azoto.

l'informatore agrario. Edizioni l'informatore agrario S.p.A.

Glendining M, Powlson D (1995) The effects of long continued

applications of inorganic nitrogen fertilizer on soil organic
nitrogen

—

a review. Lewis Publishers, Boca Raton-London-

Tokyo, Soil Management Experimental Basis for
Sustainability and Environmental Quality, pp. 385

–

446

Govaerts

∗

B, Verhulst

∗

N, Castellanos-Navarrete A, Sayre K,

Dixon J, Dendooven L (2009) Conservation agriculture and
soil carbon sequestration: between myth and farmer reality.
Critical Reviews in Plant Science 28:97

–

122

Gupta UC, Wu K, Liang S (2008) Micronutrients in soils, crops,

and livestock. Earth Science Frontiers 15:110

–

125. doi:

10.

1016/S1872-5791(09)60003-8

Gurevitch J, Hedges LV (1999) Statistical issues in ecological

meta-analyses. Ecology 80:1142

–

1149

Haan SD (1977) Humus, its formation, its relation with the mineral

part of the soil, and its significance for soil productivity. Soil
Organic Matter Studies; Proceedings of a Symposium.

Hege U, Offenberger K (2006) Effect of differentiated mineral

fertilization and organic manuring on yield, product quality

and N balances in the international permanent organic nitrogen
experiment (IOSDV) Puch. Arch Agron Soil Sci 52:535

–

550

Hideborn Alm K, Dahlin S (2007) Success Stories of Agricultural

Long-term Experiments. Success Stories of Agricultural
Long-term Experiments, 9 edn. Ake Barklund, KSLA,
Royal Swedish Academy of Agriculture and Forestry

Hoffmann S, Kismányoky T, Balázs J (1997) Der Internationale

Organische Stickstoffdauerdüngungsversuch (IOSDV)
Keszthely nach 12 Versuchsjahren. Arch Agron Soil Sci 41:
123

–

132

Hoogsteen MJJ, Lantinga EA, Bakker EJ, Groot JCJ, Tittonell PA

(2015) Estimating soil organic carbon through loss on igni-
tion: effects of ignition conditions and structural water loss.
Eur J Soil Sci 66:320

–

328. doi:

10.1111/ejss.12224

Hösch J, Dersch G (2002) The international organic nitrogen long-

term fertilization experiment (IOSDV) at Vienna. Arch
Agron Soil Sci 48:471

–

484

IGBP Terrestrial Carbon Working Group (1998) The Terrestrial

Carbon Cycle: Implications for the Kyoto Protocol. Science
280:1393

–

1394. doi:

10.1126/science.280.5368.1393

ISCN (2015) ISCN Database. In: ISC Network (ed), available at

http://iscn.fluxdata.org/Data/Pages/AccessData.aspx

.

Janssen BH (2002) Organic matter and soil fertility. Wageningen

Agricultural University

Johnston AE, Poulton PR, Coleman K (2009) Soil organic matter:

its importance in sustainable agriculture and carbon dioxide
fluxes. Advances in agronomy 101:1

–

57

Kanal A, Kautz T, Ellmer F, Rühlmann J (2003) Einfluss

langjährig differenzierter Düngungsmassnahmen auf die
Schwefel-und Stickstoffversorgung von Sommergerste in
Berlin-Dahlem (D) und Tartu (Est. Arch Agron Soil Sci 49:
543

–

553

Ká

š

M, Haberle J, Mat

ě

jková S (2010) Crop productivity under

increasing nitrogen rates and different organic fertilization
systems in a long-term IOSDV experiment in the
Czech Republic. Arch Agron Soil Sci 56:451

–

461

Kismányoky T, Tóth Z (2012) Effect of mineral and organic

fertilization on soil organic carbon content as well as on grain
production of cereals in the IOSDV (ILTE) long-term field
experiment, Keszthely, Hungary. Arch Agron Soil Sci 59:
1121

–

1131

Klasink A, Steffens G (1995) Der Internationale Organische

Stickstoffdauerdüngungsversuch (IOSDV) Oldenburg nach
Neun Versuchs-jahren. Arch Agron Soil Sci 39:449

–

460

Konstantopoulos S (2011) Fixed effects and variance components

estimation in three-level meta-analysis. Res Syn Meth 2:61

–

76

Körschens M, Albert E, Baumecker M, Ellmer F, Grunert M,

Hoffmann S, Kismanyoky T, Kubat J, Kunzova E, Marx
M, Rogasik J, Rinklebe J, Rühlmann J, Schilli C, Schröter
H, Schroetter S, Schweizer K, Toth Z, Zimmer J, Zorn W
(2014) Humus and climate change - results of 15 long-term
experiments. Arch Agron Soil Sci 60:1485

–

1517. doi:

10.

1080/03650340.2014.892204

Kuldkepp P, Teesalu T, Liiva I (1996) Einfluss mineralischer und

organischer N-düngung auf Ertrag, Qualitätsmerkmale und
auf die N-Bilanz im IOSDV Tartu/Estland. Arch Agron Soil
Sci 40:97

–

105

Lal R (2004) Soil carbon sequestration impacts on global climate

change and food security. Science 304:1623

–

1627. doi:

10.

1126/science.1097396

302

Plant Soil (2017) 411:293

–

303

Lang H, Dressel J, Bleiholder H (1995) Langzeitwirkung der

Stickstoffdüngung IOSDV

—

Standort Limburgerhof

(Deutschland) in der Reihe

‘

Internationale Organische

Stickstoffdauerdüngungsversuche. Arch Agron Soil Sci 39:
429

–

448

Leclerc B, Georges P, Cauwel B, Lairon D (1995) A Five Year Study

on Nitrate Leaching under Crops Fertilised with Mineral and
Organic Fertilisers in Lysimeters. Biological Agriculture &
Horticulture 11:301

–

308. doi:

10.1080/01448765.1995.9754714

Lenth RV (2015) Using lsmeans. In: Uo Iowa (ed), The

Comprehensive R Archive Network.

López-Fando C, Pardo Fernández MT (2008) Long-term effect of

organic and inorganic nitrogen Fertilizers on soil N balance
and crop productivity.

López-Fando C, Fernandez MTP, Wegener HR (1999) Erträge und

N-Bilanzen im IOSDV Madrid im Laufe von vier
Rotationen. Arch Agron Soil Sci 44:489

–

505

Loveland P, Webb J (2003) Is there a critical level of organic

matter in the agricultural soils of temperate regions: a review.
Soil Tillage Res 70:1

–

18

Maeda M, Zhao B, Ozaki Y, Yoneyama T (2003) Nitrate leaching in

an Andisol treated with different types of fertilizers. Environ
Pollut 121:477

–

487. doi:

10.1016/S0269-7491(02)00233-6

Mogârzan A, Vasilica C, Axinte M, Zaharia M, Slabu C, Robu T

(2007) The effect of organic-mineral fertilization on the yield
and quality of sugar beet in a long term experiment at
Ez

ă

reni

–

Iasi. Lucr

ă

ri

Ş

tiin

ţ

ifice 50

Monreal CM, Zentner RP, Robertson JA (1997) An analysis of soil

organic matter dynamics in relation to management, erosion
and yield of wheat in long-term crop rotation plots. Can J Soil
Sci 77:553

–

563. doi:

10.4141/s95-076

Oehlert GW (1992) A note on the delta method. Am Stat 46:27

–

29

Oelofse M, Markussen B, Knudsen L, Schelde K, Olesen JE,

Jensen LS, Bruun S (2015) Do soil organic carbon levels
affect potential yields and nitrogen use efficiency? An anal-
ysis of winter wheat and spring barley field trials. Eur J
Agron 66:62

–

73

Palm CA, Myers RJ, Nandwa SM (1997) Combined use of organ-

ic and inorganic nutrient sources for soil fertility maintenance
and replenishment. Replenishing soil fertility in. Africa:193

–

217

Pan G, Smith P, Pan W (2009) The role of soil organic matter in

maintaining the productivity and yield stability of cereals in
China. Agriculture, Ecosystems &amp. Environment 129:
344

–

348

Pfefferkorn A, Körschens M (1995) Der Internationale Organische

Stickstoffdauerdüngungsversuch (IOSDV) Bad Lauchstädt
nach 16 Jahren. Arch Agron Soil Sci 39:413

–

427

Pinheiro J, Bates D, DebRoy S, Sarkar D, Team RC (2015) Nlme:

Linear and Nonlinear Mixed Effects Models. The
Comprehensive R Archive Network.

Pribyl DW (2010) A critical review of the conventional SOC to

SOM conversion factor. Geoderma 156:75

–

83

R Core Team (2015) R: A language and environment for statistical

computing. R Foundation for Statistical Computing.

Reeves DW (1997) The role of soil organic matter in maintaining

soil quality in continuous cropping systems. Soil Tillage Res
43:131

–

167. doi:

10.1016/S0167-1987(97)00038-X

Smith P (2016) Soil carbon sequestration and biochar as negative

emission technologies. Global Change Biology: n/a-n/a. doi:

10.1111/gcb.13178

Smith P, Smith JU, Powlson DS, McGill WB, Arah JRM, Chertov

OG, Coleman K, Franko U, Frolking S, Jenkinson DS,
Jensen LS, Kelly RH, Klein-Gunnewiek H, Komarov AS,
Li C, Molina JAE, Mueller T, Parton WJ, Thornley JHM, AP
W (1997) A comparison of the performance of nine soil
organic matter models using datasets from seven long-term
experiments. Geoderma 81:153

–

225

Soane BD (1990) The role of organic matter in soil compactibility: a

review of some practical aspects. Soil Tillage Res 16:179

–

201

Spiegel H, Dersch G, Baumgarten A, Hösch J (2010) The inter-

national organic nitrogen long-term fertilisation experiment
(IOSDV) at Vienna after 21 years. Arch Agron Soil Sci 56:
405

–

420

Star

č

evi

ć

L, Malesevi

ć

M, Marinkovi

ć

B, Crnobara

ć

J (1997) Der

Internationale Organische Stickstoffdauerdüngungsversuch
(IOSDV) Novi Sad nach 12 Jahren. Arch Agron Soil Sci
41:155

–

166

Star

č

evi

ć

L, Latkovi

ć

D, Male

š

evi

ć

M (2005) Dependence of corn

yield on weather conditions and nitrogen fertilization in
IOSDV Novi Sad. Arch Agron Soil Sci 51:513

–

522

Trabucco A, Zomer RJ (2009) Global Potential Evapo-

Transpiration (Global-PET) and Global Aridity Index
(Global-Aridity). available from the CGIAR-CSI GeoPortal
at:

http://www.csi.cgiar.org

.

Triberti L, Nastri A, Giordani G, Comellini F, Baldoni G, Toderi G

(2008) Can mineral and organic fertilization help sequestrate
carbon dioxide in cropland? Eur J Agron 29:13

–

20

UNFCCC (2015) Join the 4/1000 Initiative. Soils for Food

Security and Climate. Lima- Paris Action Agenda

Vasilica C, Mogârzan A, Axinte M, Chetrone M (1997) Einfluss

veschiedener Formen der organischen Düngung in
Kombination mit mineralischem Stickstoff auf die
Ertragsleistung von Zuckerrüben, Winterweizen und Mais
und auf die Nährstoffbilanzen im Boden. Arch Agron Soil
Sci 41:133

–

142

Verheijen FGA (2005) On-farm benefits from soil organic matter

in England and Wales. Cranfield University, Faculty of
Environment

Von Boguslawski E (1995) Das Zusammenwirken der

mineralischen Düngung mit verschiedenen Formen der
organischen Düngung im IOSDV Rauischholzhausen. Arch
Agron Soil Sci 39:403

–

411

Vr k o c F, Sk a l a J , S u s k e v i c M ( 1 9 9 6 ) N e u n j ä h r i g e

Ertragsergebnisse der Internationalen Organischen
Stickstoffdauerdüngungsversuche in der Tschechischen
Republik. Arch Agron Soil Sci 40:115

–

132

Vrko

č

F, Vach M, Veleta V, Ko

š

ner J (2002) Influence of

different organic mineral fertilization on the yield struc-
ture and on changes of soil properties. Rostlinná Výroba
48:216

–

221

Waksman SA, KR STEVENS (1930) A critical study of the

methods for determining the nature and abundance of soil
organic matter. Soil Sci 30:97

–

116

Wei W, Yan Y, Cao J, Christie P, Zhang F, Fan M (2016) Effects of

combined application of organic amendments and fertilizers
on crop yield and soil organic matter: An integrated analysis
of long-term experiments. Agriculture, Ecosystems &
Environment 225:86

–

92. doi:

10.1016/j.agee.2016.04.004

Wood S, Cowie A (2004) A review of greenhouse gas emission

factors for fertiliser production. IEA bioenergy task.

Plant Soil (2017) 411:293

–

303

303