Lessmann et al. (2021). Global variation in soil carbon sequestration potential through improved cropland management

Glob Change Biol. 

2021;00:1–16. 

  

 

|

 

1

wileyonlinelibrary.com/journal/gcb

Received: 11 May 2021 

|

 Accepted: 9 October 2021

DOI: 10.1111/gcb.15954  

P R I M A R Y   R E S E A R C H   A R T I C L E

Global variation in soil carbon sequestration potential through 

improved cropland management

Malte Lessmann

1

 

|

   Gerard H. Ros

2

 

|

   Madaline D. Young

2

 

|

   Wim de Vries

2

This is an open access article under the terms of the Creative Commons Attribution License, which permits use, distribution and reproduction in any medium, 
provided the original work is properly cited.
© 2021 The Authors. 

Global Change Biology

 published by John Wiley & Sons Ltd.

1

Land Use Planning Group, Wageningen 

University and Research, Wageningen, 
The Netherlands

2

Environmental Systems Analysis Group, 

Wageningen University and Research, 
Wageningen, the Netherlands

Correspondence

Malte Lessmann, Wageningen University 
and Research, Land Use Planning Group, 
P.O. Box 47, 6700 AA Wageningen, The 
Netherlands.
Email: malte.lessmann@wur.nl

Abstract

Widespread adoption of improved cropland management measures is advocated to in

-

crease soil organic carbon (SOC) levels, thereby improving soil fertility and mitigating 
climate change. However, spatially explicit insight on management impacts is limited, 
which is crucial for region- specific and climate- smart practices. To overcome these 
limitations,  we  combined  global  meta- analytical  results  on  improved  management 
practices on SOC sequestration with spatially explicit data on current management 
practices and potential areas for the adoption of these measures. We included (a) fer

-

tilization practices, i.e., use of organic fertilizer compared to inorganic fertilizer or no 
fertilizer, (b) soil tillage practices, i.e., no- tillage relative to high or intermediate inten

-

sity tillage, and (c) crop management practices, i.e., use of cover crops and enhanced 
crop residue incorporation. We show that the estimated global C sequestration po

-

tential varies between 0.44 and 0.68 Gt C yr

−1

, assuming maximum complementarity 

among all measures taken. A more realistic estimate, not assuming maximum com

-

plementarity, is from 0.28 to 0.43 Gt C yr

−1

, being on the lower end of the current 

range of 0.1– 2 Gt C yr

−1

 found in the literature. One reason for the lower estimate 

is the limited availability of manure that has not yet been recycled. Another reason 
is the limited area for the adoption of improved measures, considering their current 
application and application limitations. We found large regional differences in carbon 
sequestration potential due to differences in yield gaps, SOC levels, and current prac

-

tices applied. The highest potential is found in regions with low crop production, low 
initial SOC levels, and in regions where livestock manure and crop residues are only 
partially recycled. Supporting previous findings, we highlight that to encourage both 
soil fertility and SOC sequestration, it is best to focus on agricultural soils with large 
yield gaps and/or where SOC values are below levels that may limit crop production.

K E Y W O R D S

climate change mitigation, global carbon sequestration potential, management impacts, meta- 
analysis, soil organic carbon

2 

|

   

LESSMANN 

Et

 

AL

.

1 

|

  INTRODUCTION

1.1 

|

  Impacts of agricultural management on soil 

carbon sequestration

Agricultural  soils  are  under  considerable  threat  due  to  unsustain

-

able cultivation practices. Intensive fertilization, tillage, and mono

-

cultures  have  led  to  negative  impacts  on  soil  quality  (Chemnitz  & 
Weigelt,  2015),  including  a  loss  in  soil  organic  carbon  (SOC).  On 
a global scale, it is estimated that the SOC stock of arable soils is 
depleted  by  25– 75%  compared  to  the  antecedent  SOC  stock  (Lal, 
2013). SOC has important functions such as water retention or nu

-

trient  supply  (Vogel  et  al.,  2018)  and  enhances  soil  biological  and 
physical properties such as aggregate stability and disease suppres

-

siveness (Lal, 2013; Schlatter et al., 2017). Within a broad range of 
soil properties, SOC has been widely used as an indicator to evaluate 
soil quality in response to management impacts under various envi

-

ronmental conditions (Bünemann et al., 2018).

Practices such as green manuring, increased cereal use in rota

-

tion schemes, inorganic fertilizer use or substitution inorganic with 
organic  fertilizers,  crop  residue  incorporation,  and  reduced  tillage 
have  been  increasingly  promoted  to  elevate  SOC  levels  (Bolinder 
et al., 2020; Singh et al., 2018; Spiegel et al., 2014). The importance 
of  SOC  sequestration  in  arable  soils  on  climate  change  mitigation 
and food security has also been recognized at the COP 21 in France 
in 2015, where the “4 per mille Soils for Food Security and Climate” 
initiative was launched by the French Ministry of Agriculture. The 
original rationale was to counteract the annual rise in atmospheric 
CO

2

, estimated at 4.3 Gt C yr

−1

 in the period 2003– 2012 (Le Quéré 

et  al.,  2014).  The  desired  reduction  originated  from  an  estimated 
emission decline of 0.9 Gt C yr

−1

 from halting deforestation and an 

annual 0.4% increase in SOC in the top 40 cm of all non- permafrost, 
agricultural,  and  non- agricultural  soils  (http://4p1000.org/).  Since 
then, however, the global potential of SOC sequestration has been 
questioned,  as  the  potential  is  likely  limited  to  unfertilized,  non- 
agricultural land (Van Groenigen et al., 2017; de Vries, 2018).

1.2 

|

  Global soil carbon sequestration potential of 

agricultural management practices

Current estimates of the global SOC sequestration potential of agri

-

cultural management in cropland range between 0.1 and 2 Gt C yr

−1

. 

Fuss et al. (2018) provided a summary of 22 articles with global SOC 
potentials from improved management based on per- area sequestra

-

tion  estimates.  Their  synthesis  suggested  that  individual  practices 
applied to global croplands have a potential ranging from 0.4 to 0.8 
Gt C yr

−1

. These estimates were based on a variety of global studies 

making assumptions on the areas available and the type of practices 
applied.  For  instance,  Zomer  et  al.  (2017)  suggested  global  esti

-

mates of 0.9– 1.85 Gt C yr

−1

, assuming that practices including cover 

cropping,  manure  application,  and  reduced  tillage  could  sequester 
about 0.56– 1.15 t C ha

– 1

 yr

– 1

. Paustian et al. (2016) suggested lower 

ranges of about 0.08– 0.4 Gt C yr

−1

 for improved cropland manage

-

ment including reduced tillage, improved nutrient management, and 
crop rotation. For the adoption of no tillage, Powlson et al. (2014) 
estimated an annual accumulation rate of 0.3 t C ha

– 1

 yr

– 1

 given in-

creases of 0.17 Gt C yr

−1

 when applied to a global cereal cropping 

area of 559 Mha (excluding current no till areas). For cover crop cul

-

tivation, Poeplau and Don (2015) provided an estimate of 0.12 Gt C 

yr

−1

 assuming that cover crops are used in 25% of the total cropland 

area (400 Mha).

More  recently,  Minasny  et  al.  (2017)  evaluated  sequestration 

potentials for a range of management impacts in 20 world regions 
and found a global sequestration potential of 2– 3 Gt C yr

−1

 in the 

top 1 m of the soil profile. However, their estimates were criticized 
by de Vries (2018) due to the inclusion of around 5000 Mha of non- 
managed arable land and grassland, where there is a lack of nutrients 
such as N and P to sequester the carbon. In view of stoichiometric 
considerations  for  C,  N,  and  P,  their  estimate  was  considered  im

-

plausible (Van Groenigen et al., 2017; de Vries, 2018). Similarly, SOC 
potentials by Paustian et al. (2016) and Smith et al. (2008) were likely 
overestimated due to their assumptions made on the area available 
for improved management practices.

Apart  from  stoichiometric  considerations,  there  are  various 

other limitations in the earlier estimates on global C sequestration 
potentials  from  improved  management.  First,  estimates  are  often 
limited  to  individual  practices,  such  as  no  tillage  (Powlson  et  al., 
2014) or cover crop cultivation (Poeplau & Don, 2015), or no distinc

-

tion is made between specific management measures (Zomer et al., 
2017). Second, studies providing estimates for management impacts 
on SOC do often not account for the appropriate areas available to 
apply these practices. For example, in the case of organic manure 
application and crop residue incorporation, potentials are limited by 
the amount of manure or crop residues that is not yet recycled or 
incorporated. Moreover, for assessing the global impact of reduced 
or no tillage, better insight is needed into the current application of 
(conventional) tillage and the potentially suitable areas where it may 
be reduced (Porwollik et al., 2019). Similar reasoning holds for crop 
diversification and crop residue use.

Considering  the  above- mentioned  limitations,  Amelung  et  al. 

(2020) stressed that the 4p1000 initiative is an aspirational goal due 
to its dependency on land use, soil, and climatic regions, but also in

-

spirational since opportunities for climate change mitigation may go 
hand in hand with improvements in soil health and food production 
security. They proposed the establishment of a soil information sys

-

tem to assess SOC sequestration potentials, with a focus on regions 
where nutrient management would enhance both crop production 
and SOC.

1.3 

|

  Aim of this study

This paper focuses on the potential to sequester carbon in soil via 
improved  cropland  management  (estimated  at  1510– 1611  Mha  or 
11– 12% of total global land; Lambin and Meyfroidt (2011)). Insight 

   

|

  3

LESSMANN 

Et

 

AL

.

on the expected spatial variation of SOC response to management 
measures in croplands at a global scale would be highly desirable in 
view of the global- scale soil climate mitigation strategy advocated 
by Amelung et al. (2020). Until now, such an insight is lacking. This 
study  aims  to  extend  our  insights  by  combining  results  of  recent 
global meta- studies on SOC changes due to improved agricultural 
measures with spatial information on their potential application in 
croplands.  More  specifically,  we  did  so  by:  (a)  collecting  reported 
meta- analytical effect sizes on SOC changes in the soil in response 
to  improved  fertilization,  reduced  tillage,  increased  crop  rotation, 
and improved crop residue management in different climate zones 
and  (b)  multiplying  this  with  an  estimate  of  the  area  where  each 
measure  can  be  applied,  considering  their  current  application  and 
application limitations. By doing so, we come up with reliable ranges 
in SOC sequestration for each practice as a function of regional site 
properties and more realistic estimates of the potential global SOC 
sequestration in croplands.

2 

|

  MATERIALS AND METHODS

2.1 

|

  Review of meta- analytical studies

2.1.1  |  Data collection

Effects  of  agricultural  management  impacts  on  SOC  and  related 
site- specific factors were retrieved from published meta- studies and 
systematic reviews, focusing on cropland on non- peaty soils. Peer- 
reviewed  publications  were  collected  using  the  advanced  search 
function  in  Scopus  to  identify  matches  for  the  title,  abstract  and 
keywords of papers, with search strings organized by: study type, 
subject, interventions, and measured the response given in Table S1. 
Further  synthesis  data  were  included  from  the  European  Catch- C 
project report (Spiegel et al., 2014).

After bibliometric querying, publications were assessed based 

on  a  pre- defined  set  of  criteria.  Studies  were  selected  when  in

-

cluding SOC changes from agronomic management for at least one 
of the defined management interventions listed in Table 1. We ex

-

cluded reviews that were not based on results from long- term field 
experiments. Moreover, studies that focused on combining effects 
of multiple management practices such as integrated farming were 
not retained. For the included studies, information was extracted 
on  regional  coverage  (temperate,  subtropical,  tropical),  site- 
specific factors (soil properties, climatic conditions, management- 
related  factors),  study  duration  (average,  range),  sampling  depth 
(average, range), and corresponding changes on SOC. SOC stock 
changes (in t C ha

−1

, t C ha

−1

 yr

−1

) and concentration changes (in g 

C kg

−1

) were commonly reported as the raw mean difference be

-

tween treatment and control group over a given study period. The 
relative  change  (%  yr

−1

,  %)  was  also  recorded  from  the  reported 

(response) ratio between treatment and control. Measures of vari

-

ation  were  extracted  as  standard  error,  95%  confident  interval, 
and standard deviation.

2.1.2  |  Data retrieval

An  overview  of  the  original  treatment  and  control  groups  from 
meta- studies classified according to the management and interven

-

tion classes is provided in Table 1. Detailed information on the in

-

cluded meta- studies for different measures, with original treatment 
and control group descriptions, is given in Table S2 and an overview 
of  the  identified  studies  classified  per  management  and  metric  of 
SOC changes is provided in Table S3. A total of 20 meta- studies and 
quantitative reviews were included analyzing agricultural manage

-

ment  impacts  on  SOC  for  a  wide  range  of  management,  climatic 
zones, soil types, and cropping systems on a global scale and Europe. 
While  most  studies  focused  on  individual  management  impacts,  a 
few studies addressed multiple interventions (Aguilera et al., 2013; 
Spiegel et al., 2014; West & Post, 2002). Additive effects on SOC 
due to combined management, however, were not assessed.

Increased inorganic fertilization (M1) included a wide variety of 

treatments such as (un) balanced chemical N, P, K fertilization, and 
N addition only (Table 1). Similarly, increased organic matter input 
(M2) included a wide range of treatments such as slurry, farmyard 
manure, and organic amendments. We added an additional interven

-

tion (straw return 

+

chemical fertilizer vs. no fertilizer (CRF- NF)) to 

the M2 measure based on the data provided by Han et al. (2016).

There was no uniform approach used by meta- studies to assess 

changes in SOC (Table S3). Changes were expressed as percent (in % 
or % yr

−1

), concentration (in g kg

−1

 or g kg

−1

 yr

−1

), or stock (in t C ha

−1

 

or t C ha

−1

 yr

−1

). SOC concentrations were usually provided when 

data on bulk densities were lacking (Han et al., 2016; Ladha et al., 
2011; McDaniel et al., 2014). Measures of variation were most often 
reported  as  standard  error  or  95%  confidence  interval,  and  a  few 
studies  provided  standard  deviations.  SOC  changes  per  manage

-

ment and climate zone were extracted directly from tables and text if 
possible, or otherwise from figures using WebPlotDigitizer (Rohatgi, 
2018). Other factors such as fertilizer application rates or soil types 
could not be accounted for due to lacking information. When no sep

-

arate  estimates  on  SOC  changes  per  climate  zone  were  provided, 
data were classified based on the geographic coverage of the study. 
Where possible, soil depth and study duration were recorded sepa

-

rately for each management intervention and climate zone, other

-

wise, the range or average was reported per management.

2.1.3  |  Data analysis

To  reach  a  uniform  comparison  and  global  upscaling  approach,  all 
data on SOC concentration changes were converted to annual stock 
changes in t C ha

−1

 yr

−1

. The Annual stock change was chosen in order 

to describe the absolute amount of carbon that has been lost or se

-

questered  to  and  from  the  atmosphere.  From  the  initial  20  meta- 
studies, only 14 meta- studies could be used to derive absolute values 
on stock changes as the remaining studies only provided estimates on 
relative SOC changes with missing data on initial stocks. Information 
on  the  studies  that  were  ultimately  used  is  given  in  Table  S3. 

 

4 

|

   

LESSMANN 

Et

 

AL

.

From  those  14  studies,  11  studies  provided  original  SOC  stock 
change data, while it lacked in 3 studies, i.e., in Lu et al. (2011), partly 
in Haddaway et al. (2017) and Han et al. (2016). For Lu et al. (2011), 
we multiplied the average initial stock (t C ha

−1

) by the change in SOC 

(%) in response to inorganic N addition relative to no fertilization. 
The meta- study by Haddaway et al. (2017) provided only part of the 
data on SOC stock changes, all data on SOC concentration changes 
as well as the field study coordinates. To include all their data, we 

converted the concentration changes into stock changes using spa

-

tially explicit and soil layer- dependent bulk density estimates from 
the SoilGrids dataset (which provides global estimates at 250m reso

-

lution based on ca. 150,000 soil profiles; Hengl et al., 2014, 2017). 
More specifically, we transformed SOC concentrations to stocks by 
multiplying the soil depth (m) with the bulk density (kg m

−3

) and the 

given change in SOC concentration (g kg

−1

), giving the stock in g m

−2

, 

which is equal to 0.01 t C ha

−1

. The study by Han et al. (2016) lacks 

TA B L E  1

 Classification of management measures (M1– M5) and corresponding interventions in relation to original treatment and control 

groups from meta- studies

Measure

Description measure Intervention

Description intervention 
(treatment –  control)

Original treatment description

Original control 
description

M1

Increased inorganic 

fertilization

IF- NF

Inorganic fertilization –  No 

fertilization

Balanced chemical N,P,K 

fertilizer;

Unbalanced chemical N,P,K 

fertilizer;

Synthetic N addition;
N fertilizer addition;
Mineral N fertilizer

No fertilizer

M2

Increased organic 

inputs

OF- NF

Organic fertilization –  No 

fertilization

Organic amendments;
Manure application

No fertilizer

OF- IF

Organic fertilization –  Inorganic 

fertilization

Organic amendments;
Manure application;
Bovine slurry application;
Farmyard manure application

Conventional 

management;

Mineral N fertilizer

COF- NF

Combined organic 

+

inorganic 

fertilization –  No fertilization

Manure 

+

chemical N,P,K 

fertilizer;

Organic 

+

synthetic N fertilizer

No fertilizer

COF- IF

Combined organic 

+

inorganic 

fertilization –  Inorganic 
fertilization

Bovine slurry 

+

mineral N 

fertilizer;

Farmyard manure 

+

mineral N 

fertilizer

Mineral N fertilizer

CRF- NF

Combined straw return 

+

inorganic 

fertilization –  No fertilization

Straw return 

+

chemical N,P,K 

fertilizer

No fertilizer

M3

Reduced tillage

IT- HT

Intermediate intensity till –  High 

intensity till

Reduced till;
Intermediate intensity till;

Minimum and reduced non- 

inversion till

Conventional till;
Deep inversion till;
High intensity till

NT- HT

No till –  High intensity till

No till

Conventional till;
Full inversion till;
Ploughing;
Inversion till

NT- IT

No till –  Intermediate intensity till

No till

Intermediate intensity till

M4

Increased crop 

diversity

C

Increased rotations (excl. cover 

crops) –  Monoculture

Crop rotations without cover 

crops

Monoculture

CC

Increased rotations 

+

cover crops 

–  Monoculture

Cover cropped rotations;
Enhancement of rotation 

complexity

Bare fallows;
Rotations without cover 

crops;

Monoculture (grain);
No cover crops;
Monoculture or bare 

fallows

CCP

Perennial cropped rotations 

–  Monoculture

Perennial cropped rotations

Monoculture (grain)

M5

Crop residue 

incorporation

CRES

Crop residue incorporation –  

Residue removal

Return of crop residues;
Corn stover retention

Removal of crop residues

   

|

  5

LESSMANN 

Et

 

AL

.

original field study coordinates; hence, we assigned an average bulk 
density value of 1400 kg m

−3

, considering a global range (

>

90% of 

the values within this range) of approximately 1200– 1600 kg m

−3

 for 

mineral topsoils (0– 30 cm) in SoilGrids (Hengl et al., 2017).

Secondly, meta- study estimates were normalized by dividing the 

derived stock changes by an overall duration of 20 years to allow for 
a balanced evaluation and comparison of the impacts of measures. 
The reference period of 20 years was selected as it was the median 
duration from meta- studies and can be considered a representative 
period to assess medium- term impacts on SOC. This normalization 
came with the assumption that SOC accumulation is linear with time, 
which  is  a  simplification  since  SOC  accumulation  has  been  iden

-

tified as a first- order process (van Groenigen et al., 2014). Poulton 
et al. (2018) showed that SOC saturation effects occurred after 80– 
100 years following farmyard manure application, while simulations 
by  Poeplau  and  Don  (2015)  showed  a  new  steady  state  for  SOC 
stocks after 155 years following cover crop cultivation. Since satura

-

tion effects have not been reported by meta- studies, we assume that 
a linear response on the mid- term does not lead to substantial bias in 
our estimates. It is, however, likely that the normalization leads to un

-

derestimations in the short term (

<

5 years) and overestimations over 

the long term (

>

20 years). Third, all measures of variation were trans

-

formed into standard error (SE), using SE 

= 

SD/√n, when standard 

 

deviation (SD) and sample size n (number of paired comparisons) were 
provided by meta- studies. When 95% confidence intervals (CI) were 
reported, the SE was calculated via CI/3.92. If studies did not report 
measures of variation, we included an arbitrary SD value based on 
a coefficient of variation (CV) of 1.25 times the average CV calcu

-

lated  per  management- climate  combination.  Finally,  to  assess  the 
overall impact per management- climate combination, we calculated 
the  weighted  group  mean  using  inverse- variance  weighting  (Tang 
et al., 2013). This entailed that when different meta- studies covered 
the same management- impact pair, we provided averages of the re

-

ported effect sizes, weighted by standard deviation following Eq. S1 
and Eq. S2. Data on the absolute and relative SOC stock change thus 
derived from the various meta- studies, with information on the con

-

versions done from SOC concentration to SOC stock and from total 
SOC changes to annual changes, being given in Tables S7– S11.

2.2 

|

  Global upscaling of results

The meta- analysis results were upscaled to global SOC sequestra

-

tion  potentials  by  multiplying  the  estimates  per  management  and 
climate with the potential area where the practice could be applied 
(see Figure S1 for a schematic overview on the upscaling process). 
Here,  we  made  a  distinction  between  the  most  important  driving 
factors, including fertilization level, cropping system, climate zone 
(tropical,  subtropical,  temperate),  and  currently  applied  manage

-

ment. For fertilization, we distinguished between non, medium, and 
highly fertilized systems where medium and highly fertilized crop

-

lands  were  further  differentiated  between  systems  with  low  and 
high animal manure inputs. The classification was based on different 

combinations of N fertilizer and N manure inputs (Table S4). For the 
other management measures, we classified cropland areas accord

-

ing to no, medium, and high- intensity tillage systems, crop rotations 
(with and without cereals/catch crops), and crop residue treatments 
(with and without the potential for crop residue incorporation).

To estimate the areas where each of the measures could be ap

-

plied, we combined spatially explicit data from the Koeppen Geiger 
classification map (Table S5) (Peel et al., 2007), the spatial production 
allocation model (SPAM) for land use (Wood- Sichra et al., 2016), maps 
on N fertilizer application rates (Lu & Tian, 2016), N manure produc

-

tion and application rates on cropland and grassland (Xu, Tian, et al., 
2019; Zhang et al., 2017), the global tillage system dataset (Porwollik 
et al., 2019) and FAO databases on cropping systems (FAO, 2020a), 
crop residue retention (FAO, 2020c), and crop residue burning (FAO, 
2020b). Detailed information on the databases used and the integra

-

tion and aggregation steps to derive the respective cropland areas is 
provided in the Supplementary methods. Following the cropland clas

-

sification, we multiplied the meta- analysis results with the respective 
areas given the differences in interventions, i.e., differences in treat

-

ment and control. For instance, areas identified with high- intensity 
tillage (HT) and intermediate intensity tillage (IT) have the potential 
to be converted to no till (NT) given the estimated SOC impacts for 
the NT- HT and NT- IT comparisons (Table S6). Similarly, non- fertilized 
areas (with N input 

<

40 kg N ha

−1

) have the potential to increase SOC 

by inorganic fertilization given the IF- NF impact. The increase in SOC 
due to organic fertilizers was maximized given the remaining animal 
manure that is not yet used in agriculture. To estimate this amount of 
recyclable animal C- manure, we subtracted the N applied on cropland 
and grassland (including grazing) from the total N excreted (Xu, Tian, 
et al., 2019; Zhang et al., 2017), assuming a CN ratio of 10 (for the 
organic fraction) and an average humification coefficient of 0.5 for 
both slurry and solid manure (CBAV, 2020; Gobin et al., 2011; Veeken 
et al., 2017) with the humification coefficient being defined as the 
stable carbon fraction that is not decomposed within one year. The 
uncertainties in the global model estimates after upscaling were as

-

sessed via Monte Carlo analysis (n 

=

 1000) using a normal distribu

-

tion for the estimated SOC change due to a measure, where the mean 
response (as well as the variance) were derived from the weighted 
group mean SOC impact of a measure using inverse- variance weight

-

ing (Tang et al., 2013; Young et al., 2020).

3 

|

  RESULTS

3.1 

|

  Carbon sequestration due to management 

measures: meta- analysis results

3.1.1  |  Overall impacts of management measures

Current  meta- studies  and  quantitative  reviews  indicate  a  pro

-

nounced  effect  of  improved  fertilizer  management  on  SOC  stock 
compared to reduced tillage, crop rotation, and residue incorpora

-

tion (Figure 1). The largest effects were found for combined straw 

6 

|

   

LESSMANN 

Et

 

AL

.

and inorganic fertilizer application (CRF- NF) with an overall change 
of 0.86 t C ha

−1

 yr

−1

, followed by combined organic and inorganic 

fertilization (COF- NF) with 0.70 t C ha

−1

 yr

−1

, organic relative to no 

fertilization (OF- NF) with 0.49 t C ha

−1

 yr

−1

, and organic relative to 

inorganic fertilization (OF- IF) with 0.33 t C ha

−1

 yr

−1

. For reduced till, 

we found that no- till relative to high intensity- till (NT- HT) increased 
SOC by 0.24 t C ha

−1

 yr

−1

, followed by intermediate intensity- till rela

-

tive to high intensity- till (IT- HT) with 0.14 t C ha

−1

 yr

−1

 and no- till rela

-

tive to intermediate intensity- till (NT- IT) with 0.13 t C ha

−1

 yr

−1

. With 

regard to increased crop diversity, we found that perennial cropped 
rotations  (CCP)  caused  a  larger  overall  change  (0.29  t  C  ha

−1

 yr

−1

) 

than cover cropped rotations (CC) (0.15 t C ha

−1

 yr

−1

). Crop residue 

incorporation  (CRES)  showed  an  average  SOC  change  of  0.21  t  C 

ha

−1

 yr

−1

. For inorganic fertilization, we found that balanced fertiliza

-

tion strategies (with N,P,K) had the most pronounced effects of 0.33 
t C ha

−1

 yr

−1

, followed by unbalanced strategies (one or two types of 

N,P,K) with 0.18 t C ha

−1

 yr

−1

 and inorganic N addition only with 0.06 

t C ha

−1

 yr

−1

. Data on absolute SOC changes could not be derived for 

increased crop rotations vs. monoculture (C) and combined organic 
and  inorganic  relative  to  inorganic  fertilizer  application  (COF- IF). 
Detailed results of the synthesis data are provided in Tables S7– S11 
for increased inorganic fertilization (M1), increased organic matter 
input (M2), reduced tillage (M3), increased crop diversity (M4), and 
crop residue incorporation (M5), respectively.

F I G U R E   1

 Impacts of improved agricultural management on soil carbon (SOC) stock changes (in t C ha- 1 yr- 1) in the top 20– 30 cm soil 

depth continued over a timeframe of 20 years. Climate zones given in legend: temperate (temp), sub- tropical (subtr) and tropical (trop). The 
reference numbers refer to the data derived from the meta- studies listed in Table S2, where the letters indicate when multiple values came 
from the same study. Increased inorganic fertilization (M1): inorganic fertilizer -  no fertilizer (IF- NF); Increased organic matter input (M2): 
Combined fertilizer relative to No Fertilizer (COF- NF), Combined Straw 

+

fertilizer relative to No Fertilizer (CRF- NF), Organic Fertilizer 

relative to Inorganic Fertilizer (OF- IF), Organic Fertilizer relative to No Fertilizer (OF- NF); Decreased tillage (M3): No- Till relative to High 
Intensity- Till (NT- HT), No- Till relative to Intermediate Intensity- Till (NT- IT) and Intermediate Intensity- Till relative to High Intensity- Till 
(IT- HT); Increased crop diversity (M4): Crop rotation 

+

cover crops (CC) and perennial crop rotation (CCP); Crop residue incorporation (M5): 

crop residue incorporation vs. removal (CRES). The error bars represent the standard error. More detailed information on underlying data 
including sampling depths and study durations are provided in the Tables S7– S11

   

|

  7

LESSMANN 

Et

 

AL

.

To assess the overall impact per management- climate combina

-

tion, we aggregated the SOC changes from Figure 1 by calculating 
the  weighted  group  mean,  giving  more  weight  to  estimates  from 
larger  meta- studies  (Table  2).  The  weighting  did  not  affect  SOC 
changes for the management- climate groups, where multiple values 
were not given (i.e., CRF- NF, COF- NF, OF- NF, CCP, CRES). For in

-

creased inorganic vs. no fertilization (IF- NF), we estimated overall 
SOC changes of 0.17 t C ha

−1

 yr

−1

 for subtropical and tropical cli

-

mates and 0.12 t C ha

−1

 yr

−1

 for temperate climates. For organic vs. 

inorganic fertilization (OF- IF), the overall SOC changes were found 
to be 0.42 t C ha

−1

 yr

−1

 in temperate zones. For no till vs. high inten

-

sity till (NT- HT), we derived weighted means of 0.28 and 0.19 t C 

ha

−1

 yr

−1

 for subtropical and temperate zones, respectively. For no till 

vs. intermediate till (NT- IT), the weighted means were 0.17 and 0.09 
t C ha

−1

 yr

−1

 in subtropical and temperate climates. Weighted means 

for intermediate intensity till vs. high intensity till (IT- HT) were 0.17 
and 0.10 t C ha

−1

 yr

−1

 in subtropical and temperate climates, respec

-

tively. For cover cropped rotations, we found an overall increase of 
0.14 t C ha

−1

 yr

−1

 for temperate zones, where the values for tropical 

and subtropical zones stayed the same.

We  found  the  differences  in  SOC  changes  between  manage

-

ment and climate zones (Figure 1, Table 2). Combined organic and 
inorganic  fertilization  (COF- NF)  and  organic  fertilization  (OF- NF) 
increased  SOC  levels  along  tropical

<

temperate

<

subtropical  cli

-

mate zones. For combined straw and inorganic fertilizer application 
(CRF- NF) and organic vs. inorganic fertilization (OF- IF), we observed 
an increase in SOC along tropical

<

subtropical

<

temperate. Increased 

inorganic fertilization showed the lowest SOC changes in temperate 
zones. Similarly, in the case of reduced tillage, the increase in SOC 
changes was lower in temperate compared to subtropical zones. No 

values for tropical climates could be derived. For increased crop di

-

versity (CC), we found small differences in SOC along temperate

<-

subtropical

<

tropical climates.

3.2 

|

  Global SOC sequestration potential

The total area of cropland used for upscaling was 1,416,912 thou

-

sand hectares. Approximately 30% of the cropland area was located 
in tropical climate zones, 19% in temperate zones, 30% in subtropi

-

cal or Mediterranean zones, and the remaining 21% in other climatic 
zones.  About  45%  was  characterized  by  high- intensity  tillage  sys

-

tems, whereas only 8% was cultivated with conservation agricultural 
practices minimizing soil tillage. In 25% of the cropland area, sub

-

stantial amounts of crop residues were burned, whereas 72% of the 
crop rotations did not include catch crops. On most arable land, less 
than 40 kg N ha

−1

 came from animal manure, and between 40 and 

100 kg N ha

−1

 came from inorganic fertilizers. Only 13% of all arable 

land received high levels of both organic and inorganic fertilizers.

The  measure  with  the  highest  global  potential  to  sequester 

carbon  is  the  increased  use  of  organic  carbon  inputs  via  organic 
fertilization,  ignoring  the  total  amount  of  animal  manure  that  is 
available or already applied (Table 3), estimated to be an increase 
of 592 Mton C yr

−1

. The global manure nitrogen production from six 

livestock categories, including cattle, chickens, ducks, goats, swine, 
and sheep equaled 129 Tg N yr

−1

 in 2010, with data being available 

at 5- arc minutes (Zhang et al., 2017). Assuming a C:N ratio of about 
10,  being  the  average  C:N  value  for  slurry  (approximately  8)  and 
solid  manure  (approximately  15),  the  total  estimated  C  produced 
via animal manure is 1310 Mton C yr

−1

, but might range between 

TA B L E  2

 Weighted mean SOC stock changes (t C ha

−1

 yr

−1

 ± standard error) per management and climate zone for the top 20- 30cm 

soil depth. Increased inorganic fertilization (M1): inorganic fertilizer— no fertilizer (IF- NF); Increased organic matter input (M2): Combined 
fertilizer relative to No Fertilizer (COF- NF), Combined Straw +fertilizer relative to No Fertilizer (CRF- NF), Organic Fertilizer relative to 
Inorganic Fertilizer (OF- IF), Organic Fertilizer relative to No Fertilizer (OF- NF); Decreased tillage (M3): No- Till relative to High Intensity- Till 
(NT- HT), No- Till relative to Intermediate Intensity- Till (NT- IT) and Intermediate Intensity- Till relative to High Intensity- Till (IT- HT); Increased 
crop diversity (M4): Crop rotation +cover crops (CC) and perennial crop rotation (CCP); Crop residue incorporation (M5): crop residue 
incorporation vs. removal (CRES)

Measure

Intervention Category

Weighted mean SOC stock changes in t C ha

−1

 yr

−1

 

±

 standard error

Temperate

Subtropical

Tropical

Other

M1

IF- NF

0.12 

±

 0.01

0.17 

±

 0.02

0.17 

±

 0.04

0.14 

±

 0.01

M2

COF- NF

0.68 

±

 0.06

0.90 

±

 0.12

0.51 

±

 0.05

0.59 

±

 0.04

CRF- NF

0.98 

±

 0.16

0.89 

±

 0.06

0.71 

±

 0.14

0.85 

±

 0.05

OF- IF

0.42 

±

 0.11

0.37 

±

 0.07

0.20 

±

 0.04

0.29 

±

 0.04

OF- NF

0.53 

±

 0.14

0.63 

±

 0.11

0.31 

±

 0.07

0.43 

±

 0.05

M3

IT- HT

0.10 

±

 0.02

0.17 

±

 0.04

– 

0.13 

±

 0.01

NT- HT

0.19 

±

 0.03

0.28 

±

 0.05

– 

0.23 

±

 0.02

NT- IT

0.09 

±

 0.03

0.17 

±

 0.06

– 

0.10 

±

 0.03

M4

CC

0.14 

±

 0.01

0.15 

±

 0.06

0.17 

±

 0.03

0.15 

±

 0.01

CCP

0.29 

±

 0.19

– 

– 

0.29 

±

 0.19

M5

CRES

0.21 

±

 0.02

– 

– 

0.21 

±

 0.02

8 

|

   

LESSMANN 

Et

 

AL

.

1048 and 1965 Mton C yr

−1

. However, only part of the manure ex

-

creted actually goes to cropland since the part is left on pasture 
due to grazing and part is burned as fuel. Since the currently ap

-

plied  manure  does  not  lead  to  additional  C  sequestration  in  soil, 
we calculated the amount of manure available in each country cur

-

rently being wasted or burned (see supplementary methods), being 
less than 10% of the total excreted amount. Considering the appli

-

cation of unused manure, this leads to a corrected C sequestration 
in soil use of up to 26– 30 Mtons C yr

−1

.

The second important measure controlling the potential of soils 

to sequester C is the adoption of no- till and minimum tillage prac

-

tices in arable cropping systems. The total C sequestration ranges 
from 42 to 82 Mton yr

−1

 over the different climate zones, resulting 

in  an  estimated  total  C  sequestration  potential  of  227  Mton  yr

−1

. 

Increasing the inorganic N dose in arable systems increases the net 
C input by about 78 Mton C yr

−1

 via root C inputs in the rhizosphere 

(via root biomass and exudates) and via non- harvestable crop res

-

idues  leftover  on  the  field  after  harvest.  Increasing  crop  diversifi

-

cation  as  well  as  the  use  of  catch  crops  and  cereals  within  arable 
crop rotation schemes has the potential to sequester an additional 
153 Mton of C yr

−1

. Since the incorporation of crop residues is a well- 

established practice in most countries, the impact of this measure is 
limited to about 73 Mton C year

−1

.

Assuming  that  the  individual  evaluated  measures  mentioned 

here  are  complementary  to  each  other,  the  total  C  sequestration 
potential might increase up to 561 Mton C year

−1

 on arable systems 

worldwide. Using a simple weighting factor where the additive con

-

tribution declines with the order of the measure when sorted from 
highest to lowest impact, the total C sequestration potential is about 
354 Mton C year

−1

 and could vary from 278 to 432 Mton C year

−1

. 

The  highest  impact  of  inorganic  fertilization  is  visible  in  parts  of 
Africa and Southern and North America due to the expected yield 
increase from additional nitrogen inputs. Minimal soil tillage has the 
biggest impact in agricultural regions that have the potential to shift 
away from intensive tillage systems, and these occur over the whole 
globe with high potential for the USA, Europe, and parts of Northern 

Africa (Figure 2). Crop diversification and the use of catch crops are 
applicable in most regions.

4 

|

  DISCUSSION

4.1 

|

  Impacts of management on SOC stock 

changes

4.1.1  |  Overall impacts

In our study, we made use of reported meta- data to approximate 
overall SOC changes in soils in response to a wide range of man

-

agement  measures  and  different  climate  zones.  The  overall  im

-

pacts  of  improved  cropland  management  on  SOC  ranged  on  an 
average from 0.2 to 0.6 t C ha

−1

 yr

−1

. Compared to other global fig

-

ures, literature shows comparable ranges of 0.2– 0.4 t C ha

−1

 yr

−1

 

(Dawson & Smith, 2007) and 0.2– 0.5 t C ha

−1

 yr

−1

 (Minasny et al., 

2017), as well as higher values of 0.56– 1.15 t C ha

– 1

 yr

−1

 (Zomer 

et al., 2017). Organic matter inputs led to the highest mean SOC 
changes (0.6 t C ha

– 1

 yr

−1

), followed by crop residue incorporation 

(0.21 t C ha

– 1

 yr

−1

), reduced tillage (0.18 t C ha

– 1

 yr

−1

), increased 

crop diversity (0.18 t C ha

– 1

 yr

−1

), and increased inorganic fertiliza

-

tion (0.15 t C ha

– 1

 yr

−1

). In comparison, the synthesis of reviews by 

Bolinder et al. (2020) found the highest average SOC changes from 
manure  application  (

~

0.4  t  C  ha

−1

 yr

−1

),  followed  by  cover  crops 

(

~

0.3 t C ha

−1

 yr

−1

), nitrogen fertilization (

~

0.23 t C ha

−1

 yr

−1

), and 

crop residue retention (

~

0.12 t C ha

−1

 yr

−1

). Minasny et al. (2017) 

found the highest SOC changes from organic amendments (

~

0.5 t 

C ha

−1

 yr

−1

), followed by residue incorporation (

~

0.35 C ha

−1

 yr

−1

), 

no or reduced till (

~

0.3 t C ha

−1

 yr

−1

), and crop rotation (

~

0.2 t C 

ha

– 1

 yr

−1

).

When looking into the effects of the management interventions, 

we observed more pronounced effects from combined organic and 
inorganic vs. no fertilization (COF- NF), compared to organic vs. no 
fertilization  (OF- NF)  and  organic  vs.  inorganic  fertilization  (OF- IF) 

TA B L E  3

 Potential C sequestration (in Mton C year

−1

) per measure and climate zone for the top 20– 30 cm soil depth. Values between 

brackets are with 0.01 and 0.99 confidence intervals

Climate zone

M1

M2

M2cor

M3

M4

M5

Inorganic 
fertilizer

Organic fertilizer

Organic 
fertilizer

Tillage

Catch crops

Crop 
residue

Subtropical- 

Mediterranean

21

(18– 23)

235
(142– 326)

10

(6– 10)

82
(50– 114)

49
(2– 96)

27
(21– 33)

Temperate

9
(8– 10)

114
(82– 145)

6

(5– 6)

42
(29– 56)

33
(29– 38)

22

(17– 27)

Tropical

35
(27– 45)

139
(85– 199)

8
(8– 8)

58
(39– 77)

34
(23– 45)

8
(6– 10)

Other

13
(13– 14)

104
(82– 125)

6

(5– 6)

45
(32– 57)

37
(33– 41)

16

(12– 20)

all

78
(70– 88)

592
(467– 713)

30
(26– 30)

227
(182– 273)

153
(106– 202)

73
(56– 90)

   

|

  9

LESSMANN 

Et

 

AL

.

with 0.70, 0.49, and 0.33 t C ha

−1

 yr

−1

, respectively. The overall posi

-

tive influence of inorganic fertilization on SOC with 0.2 t C ha

−1

 yr

−1

 

could  explain  the  difference  in  SOC  between  the  management 
classes (COF- NF vs. OF- NF). The magnitude of this effect, however, 
strongly  depends  on  the  type  of  organic  and  inorganic  fertilizers 
considered (Figure 1, Tables S7 and S8). Moreover, while the effects 
of increased organic matter inputs on SOC are directly linked to the 
type  and  amount  of  material  applied,  SOC  responses  to  inorganic 
fertilizer application are indirectly linked to increased crop produc

-

tivity  resulting  in  higher  carbon  inputs  (Geisseler  &  Scow,  2014; 
Poffenbarger et al., 2017). Furthermore, Han et al. (2016) indicated 
that inorganic fertilizers and straw mulching interacted, leading to 
increased  SOC  changes  potentially  due  to  the  positive  effects  of 
straw application on enhanced nitrogen use efficiencies increasing 
crop productivity and therefore enhancing C inputs. Aguilera et al. 
(2013) did not find higher SOC changes for the combination of com

-

post  and  cover  cropping  when  compared  to  compost  application 
only.  Based  on  these  findings,  it  is  not  clear  whether  the  impacts 
of management are additive since the effects on SOC can be differ

-

ent per management and a variety of interactions might play a role. 
Though the impact of inorganic fertilization dose on SOC changes 
could not be derived from existing meta- analytical studies, we in

-

cluded a negative feedback mechanism in the upscaling procedure 
allowing for higher fertilizer induced SOC changes in unfertilized or 
less fertilized soils.

4.1.2  |  Impacts of climate

Based on our results there are no clear trends between climatic and 
management effects on SOC. Reduced tillage and organic fertilization 
were found to increase SOC along subtropical

>

temperate

>

tropical 

zones. For increased crop diversity, aSOC changes were greater in 
tropical

>

subtropical

>

temperate  zones.  Inorganic  fertilization  ef

-

fects were most pronounced in subtropical

>

tropical

>

temperate cli

-

mates. Due to a lack of data, it was not possible to make a climatic 
distinction for crop residue incorporation.

When  comparing  our  results  with  the  literature,  we  find  cer

-

tain  discrepancies.  Smith  et  al.  (2008)  estimated  higher  average 
SOC changes following reduced tillage and residue management in 
tropical moist, followed by tropical dry, temperate moist, and tem

-

perate dry regions. Data on tillage impacts in tropical regions were 
limited in their study, however, leading to potential uncertainties in 
their estimates for tropical zones (Smith et al., 2008). In contrast, 
Luo  et  al.  (2010)  suggested  that  the  effect  on  SOC  changes  fol

-

lowing reduced tillage was minimized in humid environments po

-

tentially due to faster decomposition of organic matter in surface 
layers, lowering the net impact of reduced tillage on SOC changes. 
Correspondingly,  several  field  studies  found  that  reduced  tillage 
had  more  positive  effects  on  SOC  changes  in  dry  compared  to 
wet regions, potentially due to reduced SOC mineralization under 
dry  conditions  (Blanco- Moure  et  al.,  2013;  Dimassi  et  al.,  2014). 

F I G U R E   2

 The soil organic carbon (SOC) sequestration potential (in kg C /ha arable land / year) estimated in the top 20– 30 cm soil 

depth for four agronomic measures (a) addition of inorganic fertilizers, (b) addition of organic fertilizers, (c) switching to no and minimal 
tillage and (d) catch crops and crop diversification as estimated from meta- analytical field experiments and extrapolated to all arable agro- 
ecosystems given the climate zone, soil tillage practices, and crop rotation system. The legend differs per map

10 

|

   

LESSMANN 

Et

 

AL

.

Moreover, Cooper et al. (2016) found that the adoption of reduced 
till led to increased crop yields in Mediterranean systems, while the 
yields decreased in humid continental and humid oceanic regions 
under  reduced  tillage  regimes.  Besides  reduced  mineralization, 
the  positive  effects  of  reduced  till  on  SOC  under  dryer  climatic 
conditions might be linked to an increase in aboveground C inputs 
via enhanced crop production and residues remaining at the soil 
surface. Virto et al. (2012) found that about 30% of the variability 
of SOC stock changes under reduced tillage was attributed to dif

-

ferences in crop C inputs. Increased C inputs via organic matter ap

-

plication were also found to have more positive effects on SOC in 
temperate warm compared to temperate cool and tropical climates 
(Maillard & Angers, 2014). However, the authors noticed that trop

-

ical  zones  received  overall  lower  manure  C  inputs  compared  to 
temperate  regions  which  might  explain  the  difference.  Similarly, 
Han et al. (2016) found overall higher absolute SOC responses in 
temperate compared to tropical climates following improved fertil

-

ization. However, the opposite trend was found when the authors 
calculated  the  relative  (percent)  SOC  changes.  Han  et  al.  (2016) 
suggested that the different effects on SOC could be attributed 
to differences in field study durations and initial SOC levels that 
varied per climate zone. In fact, it is likely that SOC changes per 
climate zone and management provided by our meta- studies are 
biased due to the experimental subsets that differ in properties. 
The most relevant factors identified by meta- studies included in 
our review were study duration, sampling depth, initial SOC lev

-

els and quality, and type of aboveground C inputs. Our results are 
likely to be sensitive to variations in these parameters.

4.1.3  |  Impacts of other factors

Study duration

: We found a large diversity of field study durations 

included in meta- studies and systematic reviews. While some au

-

thors  included  studies  with  durations  of  less  than  5  years  (Jian 
et al., 2020; Ogle et al., 2005; Xu, Sieverding, et al., 2019), others 
included  studies  with  minimum  durations  of  more  than  5  years 
(Angers & Eriksen- Hamel, 2008; Virto et al., 2012; West & Post, 
2002). Haddaway et al. (2017) used stricter inclusion criteria by 
selecting field studies that ran more than 10 years. Using stricter 
inclusion  criteria  leads  to  less  variation  in  study  durations  be

-

tween subgroups and, therefore, more robust estimates on SOC 

changes.

Sampling depth

:  Meta- studies  on  increased  fertilization  and 

cover  cropping  often  focus  on  average  SOC  changes  in  the  top 
20  cm  (Han  et  al.,  2016;  King  &  Blesh,  2018;  Poeplau  &  Don, 
2015), while tillage studies mostly focus on the top 30- cm depth 
(Haddaway et al., 2017; Meurer et al., 2018; Virto et al., 2012). The 
overall deeper sampling depths for tillage studies stem from the 
fact that tillage effects on SOC have been widely attributed to a 
redistribution of carbon in the plough layer, which is usually up to 
30 cm. However, as tillage was often applied as co- management in 
other meta- studies such as those on cover cropping (King & Blesh, 

2018; Poeplau & Don, 2015), it is, therefore, likely that the esti

-

mates on cover cropping in the top 20 cm are underestimated be

-

cause one- third of the cover crop effect could have been missed, 
as stressed by Poeplau and Don (2015).

Soil texture

:  Although  soil  texture  is  known  to  play  an  import

-

ant  role  in  stabilizing  SOC  (Virto  et  al.,  2012),  the  findings  on  in

-

teractions  between  soil  texture  and  SOC  responses  were  often 
inconsistent among meta- studies as also found in the synthesis of 
reviews by Bolinder et al. (2020). Besides this, we could not distin

-

guish SOC changes in response to different soil texture and climatic 
zones as most meta- studies did not provide separate estimates per 
management- soil- climate  combination  which  hampered  to  create 
an additional stratification level for SOC responses in different soil 
types.

Manure quality

: Furthermore, manure quality can affect the SOC 

sequestration  rate  (Berti  et  al.,  2016).  The  included  meta- studies 
which provided data on liquid and solid manure, e.g., Maillard and 
Angers (2014) could, however, not evaluate the effects of solid and 
liquid manure on SOC stock changes due to the limited field study 
data  on  liquid  manure.  The  meta- study  by  Zavattaro  et  al.  (2017) 
found, however, that the C sequestration potential from cattle farm

-

yard manure was almost twice as high compared to a liquid slurry 
(see Table S8).

4.1.4  |  Uncertainties in estimated SOC 

stock changes

The  reliability  of  the  calculated  SOC  stock  changes  is  affected 
by many factors. One factor is the used bulk density to approxi

-

mate  stocks  from  concentrations.  In  the  majority  of  the  stud

-

ies,  bulk  density  was  measured,  while  in  only  two  studies,  i.e., 
Haddaway et al. (2017) and Han et al. (2016), it was estimated. 
Unfortunately, we were not able to use pedo- transfer functions 
to estimate bulk density from reported SOC concentrations (for 
an overview of various equations: see Gross and Glaser, (2021)) 
since  original  field  study  data  from  the  relevant  meta- studies 
were rarely provided. The uncertainty induced using an estimated 
bulk density is likely not more than 15% in the study by Han et al. 
(2016), where we used an average bulk density of 1400 kg m

−3

, 

considering a global range of approximately 1200– 1600 kg m

−3

. 

The uncertainty in the results of our study based on the tillage 
experiments reported by Haddaway et al. (2017) is likely even less 
since  we  were  using  spatially  explicit  and  soil  layer- dependent 
bulk density estimates.

The  impact  of  the  large  variability  of  field  study  data  (i.e., 

differing residue management, crop rotation sequences, fertil

-

izer management, etc.) in the various experiments on SOC stock 
changes is likely as significant as the uncertainty induced by the 
variation in bulk densities. This is illustrated by our results from 
the  meta- study  of  Haddaway  et  al.  (2017)  on  tillage  impacts 
compared to the original results (Figure S2). This study provided 
SOC stock changes, based on measured bulk densities, for part 

   

|

  11

LESSMANN 

Et

 

AL

.

of the data, but also provided information on SOC concentration 
changes with coordinates of the original field- study data for all 
data.  This  allowed  us  to  convert  SOC  concentration  to  stock 
changes  using  spatially  explicit  and  soil  layer- dependent  bulk 
density estimates from SoilGrids (Hengl et al., 2014). The results 
(Figure S2) show that the estimated average stock changes from 
concentration data derived in this study are comparable to the 
measured SOC stock changes in the part of the data provided by 
Haddaway et al. (2017), but differences up to 15% do occur. The 
increased sample size in estimated stocks (275 pairwise tillage 
comparisons) compared to measured stocks only (127 pairwise 
tillage  comparisons)  leads  to  smaller  variances  and,  therefore, 
more  robust  effect  size  estimates.  Using  fixed  bulk  densities, 
we also assumed that the overall effect of management on bulk 
density  was  negligible.  Certain  studies  reported  that  reduced 
tillage can have positive effects on bulk density (Chatterjee & 
Lal, 2009; Dimassi et al., 2013), resulting in a potential overesti

-

mation in the derived SOC changes when using fixed bulk den

-

sities. Meurer et al. (2018) thus used the Equivalent Soil Mass 
(ESM)  approach  (Ellert  &  Bettany,  1995)  to  account  for  a  de

-

crease in bulk density due to less compaction while using data 
from  tillage  experiments  by  Haddaway  et  al.  (2017).  However, 
our  results  on  stock  estimates,  based  on  the  same  Haddaway 
data and using a fixed bulk density approach, were not system

-

atically different from those by Meurer et al. (2018). In contrast, 
the increased input of organic matter as compost can have neg

-

ative  effects  on  bulk  density,  but  this  has  only  been  reported 
for  exceptional  cases  with  high  doses  applied  over  long  time 
periods (Aguilera et al., 2013). The impacts of cover crop intro

-

duction and N addition on bulk density were found to be negli

-

gible (Lu et al., 2011; Poeplau & Don, 2015). In summary, most 
studies included measured data on bulk density, and impact of 
the  variation  and  change  in  bulk  densities  on  estimated  SOC 
stock changes is limited.

Finally,  our  approach  of  using  inverse  variance  weighting  to 

summarize the meta- study results comes with uncertainties in the 
estimated stock changes. Other than collecting data on all individ

-

ual field study experiments from related meta- studies to calculate 
the effect sizes, we decided to directly summarize the findings of 
the meta- analyses to highlight the overall impact of management- 
climate combinations on C sequestration potentials. For this, we 
used  the  inverse  variance  weighting  method  proposed  by  Tang 
et al. (2013) and as a consequence, we could not account for non- 
independence as multiple meta- analyses might include the same 
field study experiments potentially leading to biased variance es

-

timates (Nakagawa et al., 2017; Tang et al., 2013). This, however, 
does  not  invalidate  our  calculation  of  the  effect  sizes  itself,  but 
potentially resulted in underestimating the variances of the meta- 
analyses results (Tang et al., 2013). Due to a lack of data on the 
number of overlapping field studies from meta- studies, we could 
not correct for this bias in variance estimates, e.g., by including an 
inflation factor based on the number of overlapping field studies 
as proposed by Tang et al. (2013).

4.2 

|

  Upscaling of results to the global scale

4.2.1  |  Global- scale SOC sequestration potential

In our study, we estimated the potential C sequestration in agricul

-

tural soils by assessing the areas where the measure can be applied, 
correcting for the areas where it has already been applied. The lat

-

ter  correction  has  not  been  applied  by  other  global  upscaling  ap

-

proaches, e.g., Zomer et al. (2017), Smith et al. (2008). With respect 
to replacing inorganic with organic fertilizer, we accounted for the 
fact that only the manure that is not currently recycled is available 
for the use on cropland. The C sequestration potential of manure 
currently applied to grassland soils has not been addressed in our 
study but might offer additional C storage potential when applied on 
croplands instead.

The fact that the comparison of organic farming versus conven

-

tional farming is mostly a movement of C from one site to another is 
often ignored in studies assessing the potential SOC sequestration 
of organic manure application (Leifeld et al., 2013). Our data indi

-

cate that 

<

10% of the excreted manure is burned or wasted rather 

than recycled, which is in line with data presented by Uwizeye et al. 
(2020) for nitrogen. It strongly limits the potential of this method for 
SOC sequestration.

To increase SOC sequestration, we highlight the areas with large 

yield gaps have a high potential, which applies to many soils depleted 
in nutrients and organic matter, such as in sub- Saharan Africa, South 
Asia, and subtropical and West Asia, as well as, further focusing on 
temperate  soils  where  low  SOC  values  may  limit  crop  production 
(Oldfield et al., 2019). In these areas, there is the potential to raise 
food production by 42– 70%, and to eventually even double it (Lobell 
et al., 2009; Mueller et al., 2012; see also www.yield gap.org), which 
would largely enhance the crop residue input and subsequent C se

-

questration.  Potential  for  measures  reducing  C  decomposition  via 
transition to minimal or no till systems apply for USA, Europe, and 
part of Northern Africa. Opportunities for C sequestration thus vary 
across regions given the local management and biophysical site con

-

ditions (Amelung et al., 2020) which control decomposition rates as 
well as net C inputs. The highest potential is found in regions with 
low crop production, low initial soil organic C levels, and in regions 
where livestock manure and crop residues are removed rather than 
applied to the soil. Practices that retain and increase SOC are well 
established and can increase the annual C stock between 440 and 
683 Mton  C  yr

−1

  as  shown  from  our  analysis  for  cropland  in  non- 

peaty  soils,  thereby  assuming  maximum  complementarity  among 
measures taken.

Recently, Fuss et al. (2018) summarized 22 studies with global 

potentials  for  soil  carbon  sequestration  due  to  measures  that  in

-

crease  carbon  inputs  and  decrease  carbon  losses  (mostly  through 
decreased soil disturbance). All estimates are calculated in terms of a 
per- area sequestration potential, whereas most of the variation was 
related to different assumptions on the areas available (i.e., area of 
managed cropland, grassland, degraded land) and the type of prac

-

tices  applied.  For  individual  practices,  the  technical  potentials  for 

12 

|

   

LESSMANN 

Et

 

AL

.

croplands  vary  from  1.47  to  2.93  Gt  CO

2

 yr

−1

  (or  0.41– 0.80  Gt  C 

yr

−1

). Our estimate is strongly data- driven and accounts for the cur

-

rent state of agricultural management, and hence, the potential is 
lower than the previous estimates. It also shows that the potential 
to  sequester  C  in  soil  differs  strongly  from  one  region  to  another 
due  to  variations  in  the  gaps  between  current  and  potential  SOC 
levels. Our analysis supports the conclusion of Amelung et al. (2020) 
that a coordinated effort is required to identify effective measures 
adapted to the specific site properties controlling the potential to 
retain carbon. This requires spatially explicit and detailed insights on 
yield gaps, organic carbon levels, and the agronomic practices that 
are currently applied.

4.2.2  |  Uncertainties in global scale SOC 

sequestration estimates

Even  though  our  study  follows  a  straightforward  method  for 
global estimation of potential C sequestration, potential errors 
might  arise  from  the  quality  of  the  underlying  meta- analytical 
models, the assumptions around the potential area where agro

-

nomic  measures  can  be  applied  as  well  as  the  system  bounda

-

ries defined (e.g., by the total volume of C- manure available and 
the assumption of an equilibrium status for soil organic matter 
in arable soils). Where the Monte Carlo approach accounted for 
the uncertainty related to the meta- analytical models used, and 
total  areas  and  C  manure  inputs  were  checked  by  global  esti

-

mates from supporting papers, an in- depth analysis of the error 
propagation  of  all  data  sources  along  the  upscaling  procedure 
has not been done since uncertainties on national statistics and 
open data sources are largely unknown and often not available. 
Crop land areas, as well as areas for application of C mitigating 
measures,  have  been  derived  from  national  statistics,  ignoring 
the  spatial  variability  in  soil  properties  as  well  as  management 
practices  at  farm  and  field  level.  New  innovative  downscaling 
procedures  using  remote  sensing  techniques  will  therefore  re

-

duce  the  uncertainty  related  to  spatial  allocation  procedures 
(Amelung  et  al.,  2020),  in  particular  when  ensemble  methods 
are  used  to  reduce  error  propagation  (Van  Looy  et  al.,  2017). 
Similarly, high- resolution soil property maps (Poggio et al., 2021; 
Van Looy et al., 2017) in combination with monthly weather data 
might help to underpin the actual soil C stocks, as well as decom

-

position  rates,  allowing  more  robust  estimates  of  the 

actual

  C 

sequestration potential.

The meta- analytical data on management impacts in tropical cli

-

mates were systematically underrepresented due to fewer field study 
experiments  performed  in  tropical  climates  as  compared  to  tem

-

perate  and  sub- tropical  regions  (Maillard  &  Angers,  2014;  Poeplau 
& Don, 2015; Virto et al., 2012). Especially data on tillage impacts 
were heavily skewed toward field experiments performed in North 
America and Europe and, therefore, mostly representing impacts in 
temperate regions. To still obtain an overall effect estimate for trop

-

ical regions in the upscaling, we thus combined the effect sizes from 

all climate zones using the weighted average estimate. Considering 
that  several  meta- studies  on  fertilization  effects  found  that  soils 
in  tropical  climates  had  overall  lower  potentials  to  store  SOC  than 
soils in temperate climates (Gross & Glaser, 2021; Ladha et al., 2011; 
Maillard & Angers, 2014), tillage impacts are likely overestimated in 
the upscaling for tropical regions. This hypothesis should, however, 
be substantiated by further measurements in tropical climates as the 
climatic  effects  on  SOC  sequestration  remain  rather  inconsistent 
among meta- studies as discussed in section 4.1.2.

In our assessment of the maximum amount of recyclable animal 

C- manure,  we  used  an  average  humification  coefficient  of  50%, 
being  the  percentage  that  is  not  decomposed  within  one  year.  In 
literature, this value varies mostly between 0.30 and 0.75 (Veeken 
et al., 2017), depending on animal and manure type, feeding strat

-

egy,  and  pre- processing  techniques  applied  (Berti  et  al.,  2016; 
Zavattaro et al., 2017). By choosing a humification coefficient, our 
estimation  of  the  maximum  possible  C  increase  (used  as  cut- off 
value) is rather optimistic, as it refers to the percentage that is not 
decomposed within one year and using this value only holds when 
annual C inputs will remain equal in coming decades. When this is 
not the case, the C- retention coefficient will be lower as shown by 
Maillard and Angers (2014) who derived a C- retention coefficient of 
12% for animal manure over 18 years of continued manure applica

-

tion. Poulton et al. (2018) found an increase of 0.7– 1.0 t C ha

−1

yr

−1

 

in the first 20 years in the Hoosfield barley and Broadbalk wheat 
experiment at Rothamsted at an annual manure application near 3.2 
t organic C ha

−1

 yr

−1

, implying a C retention coefficient near 25% in 

this  period.  However,  after  80– 100  years,  the  average  increase  in 
both experiments was 0.16 t C ha

−1

yr

−1

, which is only 5% of the C 

input. In summary, even the corrected amount of C sequestration 
by enhanced manure application of 30 Mton C yr

−1

, being 20 times 

lower than the uncorrected amount application of 592 Mton C yr

−1

 

(see Table 3) is a maximum estimate and might be twice as low when 
manuring is not continued.

For  future  work,  the  accuracy  of  our  estimate  on  the  maxi

-

mum  C  sequestration  potential  from  manure  could  be  improved 
by accounting for variations in manure types and related humifi

-

cation coefficients (Veeken et al., 2017). For this, meta- analytical 
data which evaluate the effects of solid and liquid manure on SOC 
stock changes would be required which was missing in our case, 
e.g. Maillard and Angers (2014) could not evaluate the effects of 
solid and liquid manure on SOC stock changes due to limited field 
data. However, since the manure excess is rather limited (most of 
the manure is already recycled, Zhang et al. (2017), its impact on 
global C sequestration potentials per climate- country region is as

-

sumed to be rather small.

5 

|

  CONCLUSION

Based  on  our  integrative  analysis  of  global  meta- studies  on  soil 
organic  carbon  (SOC),  we  found  that  the  overall  impacts  of  im

-

proved cropland management range on an average from 0.2 to 0.6 

   

|

  13

LESSMANN 

Et

 

AL

.

t  C  ha

−1

 yr

−1

  over  a  timeframe  of  20  years.  The  estimated  global 

scale  SOC  sequestration  potential  is  on  average  near  0.56  Gt  C 

yr

−1

  (assuming  maximum  synergy  among  measures  taken)  being 

on the lower end of the previously estimated range of 0.1– 2 Gt C 

yr

−1

. While the increased use of organic or combined fertilizers in 

site  applications  showed  (much)  higher  impacts  on  SOC  changes 
than  soil  (tillage)  and  crop  management,  the  global  scale  poten

-

tial is (much) lower than no or reduced tillage and increased crop 
diversity  due  to  the  fact  that  the  availability  of  organic  fertilizer 
(manure) is limited. In fact, the actual potential to increase SOC by 
increased manure application to arable land was only about 5% of 
the potential amount that is estimated by simply upscaling results 
from meta- analytical studies. This illustrates the need for proper 
upscaling  procedures  (i.e.,  by  combining  spatial  allocation  proce

-

dures with high- resolution soil property maps and remote sensing 
data) and the fact that many global scale quantifications are likely 
overestimations.

Global variation in potential C sequestration varies not only with 

climate and cropping systems but also with the current management 
practices being applied. High potential for improved fertilization, as 
well manure application, occurs in the southern part of the hemi

-

sphere, whereas reduced tillage practices can be applied in almost all 
intensive agricultural systems. Crop diversification is another gen

-

eral guideline that is broadly applicable.

The impact of different climate zones on management and SOC 

changes remains difficult to assess. It is likely that the differences 
in SOC found here are the result of a combination of factors that 
differ per management and climate zone. For instance, reduced till 
in  sub- tropical  climates  can  have  more  pronounced  positive  im

-

pacts on SOC due to (a) lower initial SOC stocks, (b) increased crop 
yields leading to higher crop C inputs, and (c) less SOC mineral

-

ization. We, therefore, recommend making a distinction between 
climate and management when estimating global carbon seques

-

tration potentials.

6 

|

  MATERIALS AND CORRESPONDENCE

Correspondence and requests for materials should be addressed to 
Lessmann.

AUTHOR CONTRIBUTIONS

Lessmann  and  Ros:  Collection  and  analysis  of  data.  Ros,  De  Vries: 
Derivation of upscaling procedure. Lessmann, Ros, Young, De Vries: 
Drafting and critical revision of manuscript. Lessmann, Ros, Young, De 
Vries: Approval of published version and accountability of the work.

COMPETING INTERESTS

The authors declare no competing interests.

DATA AVAIL ABILIT Y STATEMENT

The  data  that  support  the  findings  of  this  study  are  available  in 
https://github.com/AgroC ares/globa lcarb onpot ential

ORCID

Malte Lessmann

   

https://orcid.org/0000-0002-5945-9874

 

Gerard H. Ros

   

https://orcid.org/0000-0002-6062-9770

 

Madaline D. Young

   

https://orcid.org/0000-0003-3012-1738

 

Wim de Vries

   

https://orcid.org/0000-0001-9974-0612

 

REFERENCES

Aguilera,  E.,  Lassaletta,  L.,  Gattinger,  A.,  &  Gimeno,  B.  S.  (2013). 

Managing soil carbon for climate change mitigation and adaptation 
in  Mediterranean  cropping  systems:  A  meta- analysis. 

Agriculture, 

Ecosystems and Environment

, 

168

, 25– 36. https://doi.org/10.1016/j.

agee.2013.02.003

Amelung,  W.,  Bossio,  D.,  de  Vries,  W.,  Kögel- Knabner,  I.,  Lehmann,  J., 

Amundson,  R.,  Bol,  R.,  Collins,  C.,  Lal,  R.,  Leifeld,  J.,  Minasny,  B., 
Pan,  G.,  Paustian,  K.,  Rumpel,  C.,  Sanderman,  J.,  van  Groenigen, 
J.  W.,  Mooney,  S.,  van  Wesemael,  B.,  Wander,  M.,  &  Chabbi,  A. 
(2020).  Towards  a  global- scale  soil  climate  mitigation  strategy. 

Nature Communications

, 

11

(1),  https://doi.org/10.1038/s4146 7- 

020- 18887 - 7

Angers,  D.  A.,  &  Eriksen- Hamel,  N.  S.  (2008).  Full- inversion  tillage 

and  organic  carbon  distribution  in  soil  profiles:  A  meta- analysis. 

Soil Science Society of America Journal

, 

72

(5),  1370.  https://doi.

org/10.2136/sssaj 2007.0342

Berti,  A.,  Morari,  F.,  Dal  Ferro,  N.,  Simonetti,  G.,  &  Polese,  R.  (2016). 

Organic input quality is more important than its quantity: C turn

-

over coefficients in different cropping systems. 

European Journal of 

Agronomy

, 

77

, 138– 145. https://doi.org/10.1016/j.eja.2016.03.005

Blanco- Moure, N., Gracia, R., Bielsa, A. C., & López, M. V. (2013). Long- 

term no- tillage effects on particulate and mineral- associated soil or

-

ganic matter under rainfed Mediterranean conditions. 

Soil Use and 

Management

, 

29

(2), 250– 259. https://doi.org/10.1111/sum.12039

Bolinder, M. A., Crotty, F., Elsen, A., Frac, M., Kismányoky, T., Lipiec, J., 

Tits, M., Tóth, Z., & Kätterer, T. (2020). The effect of crop residues, 
cover crops, manures and nitrogen fertilization on soil organic car

-

bon changes in agroecosystems: A synthesis of reviews. 

Mitigation 

and Adaptation Strategies for Global Change

, 

25

(6), 929– 952. https://

doi.org/10.1007/s1102 7- 020- 09916 - 3

Bünemann,  E.  K.,  Bongiorno,  G.,  Bai,  Z.,  Creamer,  R.  E.,  De  Deyn,  G., 

de  Goede,  R.,  Fleskens,  L.,  Geissen,  V.,  Kuyper,  T.  W.,  Mäder,  P., 
Pulleman,  M.,  Sukkel,  W.,  van  Groenigen,  J.  W.,  &  Brussaard,  L. 
(2018). Soil quality –  A critical review. 

Soil Biology and Biochemistry

, 

120

, 105– 125. https://doi.org/10.1016/j.soilb io.2018.01.030

CBAV.  (2020).  Commission  for  Fertilization  and  Soil  Management  in 

Arable  Cropping  Systems,  Dutch  Good  Agricultural  Practices. 
https://www.handb oekbo demen bemes ting.nl/htm

Chatterjee,  A.,  &  Lal,  R.  (2009).  On  farm  assessment  of  tillage  impact 

on  soil  carbon  and  associated  soil  quality  parameters. 

Soil and 

Tillage Research

, 

104

(2),  270– 277.  https://doi.org/10.1016/J.

STILL.2009.03.006

Chemnitz,  C.,  &  Weigelt,  J.  (2015). 

Soil Atlas. Facts and figures about 

earth, land and fields

  (pp  1– 68).  Heinrich- Böll  Stiftung,  Institute 

for Advanced Sustainability Studies (IASS). https://www.boell.de/
sites/ defau lt/files/ soila tlas2 015_ii.pdf

Cooper,  J.,  Baranski,  M.,  Stewart,  G.,  Nobel- de  Lange,  M.,  Bàrberi,  P., 

Fließbach,  A.,  Peigné,  J.,  Berner,  A.,  Brock,  C.,  Casagrande,  M., 
Crowley, O., David, C., De Vliegher, A., Döring, T. F., Dupont, A., 
Entz,  M.,  Grosse,  M.,  Haase,  T.,  Halde,  C.,  &  Mäder,  P.  (2016). 
Shallow  non- inversion  tillage  in  organic  farming  maintains  crop 
yields  and  increases  soil  C  stocks:  A  meta- analysis. 

Agronomy for 

Sustainable Development

, 

36

(1),  1– 20.  https://doi.org/10.1007/

s1359 3- 016- 0354- 1

Dawson,  J.  J.  C.,  &  Smith,  P.  (2007).  Carbon  losses  from  soil  and  its 

consequences  for  land- use  management. 

Science of the Total 

14 

|

   

LESSMANN 

Et

 

AL

.

Environment

, 

382

(2– 3),  165– 190.  https://doi.org/10.1016/j.scito 

tenv.2007.03.023

de  Vries,  W.  (2018).  Soil  carbon  4  per  mille:  a  good  initiative  but  let's 

manage not only the soil but also the expectations. 

Geoderma

, 

292

, 

111– 112. https://doi.org/10.1016/j.geode rma.2017.05.023

Dimassi, B., Cohan, J.- P., Labreuche, J., & Mary, B. (2013). Changes in soil 

carbon and nitrogen following tillage conversion in a long- term ex

-

periment in Northern France. 

Agriculture, Ecosystems & Environment

, 

169

, 12– 20. https://doi.org/10.1016/J.AGEE.2013.01.012

Dimassi, B., Mary, B., Wylleman, R., Labreuche, J., Couture, D., Piraux, 

F.,  &  Cohan,  J.- P.  (2014).  Long- term  effect  of  contrasted  tillage 
and  crop  management  on  soil  carbon  dynamics  during  41  years. 

Agriculture, Ecosystems & Environment

, 

188

,  134– 146.  https://doi.

org/10.1016/J.AGEE.2014.02.014

Ellert, B. H., & Bettany, J. R. (1995). Calculation of organic matter and 

nutrients  stored  in  soils  under  contrasting  management  regimes. 

Canadian Journal of Soil Science

, 

75

(4),  529– 538.  https://doi.

org/10.4141/cjss9 5- 075

FAO. (2020). FAOSTAT Emissions Database, Agriculture –  Crop Residues. 

https://www.fao.org/faost at/en/#data/GA

FAO. (2020). FAOSTAT, Agricultural Production, Crops Primary. http://

www.fao.org/faost at/en/#data/QC/visua lize

FAO. (2020). FAOSTAT Emissions Database, Agriculture, Burning –  Crop 

Residues. http://www.fao.org/faost at/en/#data/GB

Fuss, S., Lamb, W. F., Callaghan, M. W., Hilaire, J., Creutzig, F., Amann, 

T.,  Beringer,  T.,  De  Oliveira  Garcia,  W.,  Hartmann,  J.,  Khanna, 
T.,  Luderer,  G.,  Nemet,  G.  F.,  Rogelj,  J.,  Smith,  P.,  Vicente,  J.  V., 
Wilcox, J., del Mar Zamora Dominguez, M., & Minx, J. C. (2018). 
Negative  emissions  -   Part  2:  Costs,  potentials  and  side  ef

-

fects. 

Environmental Research Letters

, 

13

(6),  063002.  https://doi.

org/10.1088/1748- 9326/aabf9f

Geisseler, D., & Scow, K. M. (2014). Long- term effects of mineral fertiliz

-

ers on soil microorganisms -  A review. 

Soil Biology and Biochemistry

, 

75

, 54– 63. https://doi.org/10.1016/j.soilb io.2014.03.023

Gobin, A., Campling, P., Janssen, L., Desmet, N., Delden, V. H., Hurkens, 

J.,  Lavelle,  P.,  &  Berman,  S.  (2011).  Soil  organic  matter  manage

-

ment  across  the  EU  –   best  practices,  constraints  and  trade- offs, 
Final  Report  for  the  European  Commission’s  DG  Environment, 
September 2011.

Gross, A., & Glaser, B. (2021). Meta- analysis on how manure application 

changes soil organic carbon storage. 

Scientific Reports

, 

11

(1), 1– 13. 

https://doi.org/10.1038/s4159 8- 021- 82739 - 7

Haddaway,  N.  R.,  Hedlund,  K.,  Jackson,  L.  E.,  Kätterer,  T.,  Lugato,  E., 

Thomsen, I. K., Jørgensen, H. B., & Isberg, P. E. (2017). How does 
tillage  intensity  affect  soil  organic  carbon?  A  systematic  review. 

Environmental Evidence

, 

6

(1), 1– 48. https://doi.org/10.1186/s1375 

0- 017- 0108- 9

Han, P., Zhang, W., Wang, G., Sun, W., & Huang, Y. (2016). Changes in 

soil  organic  carbon  in  croplands  subjected  to  fertilizer  manage

-

ment: A global meta- analysis. 

Scientific Reports

, 

6

, 27199. https://

doi.org/10.1038/srep2 7199

Hengl, T., De Jesus, J. M., Heuvelink, G. B. M., Gonzalez, M. R., Kilibarda, 

M.,  Blagotić,  A.,  Shangguan,  W.,  Wright,  M.  N.,  Geng,  X.,  Bauer- 
Marschallinger,  B.,  Guevara,  M.  A.,  Vargas,  R.,  MacMillan,  R.  A., 
Batjes, N. H., Leenaars, J. G. B., Ribeiro, E., Wheeler, I., Mantel, S., & 
Kempen, B. (2017). SoilGrids250m: Global gridded soil information 

based on machine learning. 

PLoS One

, 

12

(2), e0169748. https://doi.

org/10.1371/journ al.pone.0169748

Hengl, T., De Jesus, J. M., Macmillan, R. A., Batjes, N. H., Heuvelink, G. 

B. M., Ribeiro, E., Samuel- rosa, A., Kempen, B., Leenaars, J. G. B., 
Walsh, M. G., & Gonzalez, M. R. (2014). SoilGrids1km —  Global soil 
information based on automated mapping. 

PLoS One

, 

9

(8), e105992. 

https://doi.org/10.1371/journ al.pone.0105992

Jian,  J.,  Du,  X.,  Reiter,  M.  S.,  &  Stewart,  R.  D.  (2020).  A  meta- analysis 

of global cropland soil carbon changes due to cover cropping. 

Soil 

Biology and Biochemistry

, 

143

,  107735.  https://doi.org/10.1016/j.

soilb io.2020.107735

King, A. E., & Blesh, J. (2018). Crop rotations for increased soil carbon: 

Perenniality  as  a  guiding  principle. 

Ecological Applications

, 

28

(1), 

249– 261. https://doi.org/10.1002/eap.1648

Ladha, J. K., Reddy, C. K., Padre, A. T., & van Kessel, C. (2011). Role of 

nitrogen  fertilization  in  sustaining  organic  matter  in  cultivated 

soils. 

Journal of Environment Quality

, 

40

(6),  1756.  https://doi.

org/10.2134/jeq20 11.0064

Lal, R. (2013). Intensive agriculture and the soil carbon pool. 

Journal of 

Crop Improvement

, 

27

(6), 735– 751. https://doi.org/10.1080/15427 

528.2013.845053

Lambin, E. F., & Meyfroidt, P. (2011). Global land use change, economic 

globalization,  and  the  looming  land  scarcity. 

Proceedings of the 

National Academy of Sciences of the United States of America

, 

108

(9), 

3465– 3472. https://doi.org/10.1073/pnas.11004 80108

Le Quéré, C., Peters, G. P., Andres, R. J., Andrew, R. M., Boden, T. A., 

Ciais, P., Friedlingstein, P., Houghton, R. A., Marland, G., Moriarty, 
R., Sitch, S., Tans, P., Arneth, A., Arvanitis, A., Bakker, D. C. E., Bopp, 
L.,  Canadell,  J.  G.,  Chini,  L.  P.,  Doney,  S.  C.,  …  Zaehle,  S.  (2014). 
Global carbon budget 2013. 

Earth System Science Data

, 

6

(1), 235– 

263. https://doi.org/10.5194/essd- 6- 235- 2014

Leifeld, J., Angers, D. A., Chenu, C., Fuhrer, J., Kätterer, T., & Powlson, D. 

S. (2013). Organic farming gives no climate change benefit through 
soil  carbon  sequestration. 

Proceedings of the National Academy of 

Sciences of the United States of America

, 

110

(11), 2013. https://doi.

org/10.1073/pnas.12207 24110

Lobell, D. B., Cassman, K. G., & Field, C. B. (2009). Crop yield gaps: Their 

importance, magnitudes, and causes. 

Annual Review of Environment 

and Resources

, 

34

, 179– 204. https://doi.org/10.1146/annur ev.envir on. 

041008.093740

Lu, C., & Tian, H. (2016). Global nitrogen and phosphorus fertilizer use 

for  agriculture  production  in  the  past  half  century:  Shifted  hot 
spots and nutrient imbalance. 

Earth System Science Data Discussions

, 

August

, 1– 33. https://doi.org/10.5194/essd- 2016- 35

Lu, M., Zhou, X., Luo, Y., Yang, Y., Fang, C., Chen, J., & Li, B. (2011). Minor 

stimulation  of  soil  carbon  storage  by  nitrogen  addition:  A  meta- 

analysis. 

Agriculture, Ecosystems and Environment

, 

140

(1– 2),  234– 

244. https://doi.org/10.1016/j.agee.2010.12.010

Luo, Z., Wang, E., & Sun, O. J. O. J. (2010). Can no- tillage stimulate carbon 

sequestration in agricultural soils? A meta- analysis of paired experi

-

ments. 

Agriculture, Ecosystems and Environment

, 

139

(1– 2), 224– 231. 

https://doi.org/10.1016/j.agee.2010.08.006

Maillard, É., & Angers, D. A. (2014). Animal manure application and soil 

organic  carbon  stocks:  A  meta- analysis. 

Global Change Biology

, 

20

(2), 666– 679. https://doi.org/10.1111/gcb.12438

McDaniel, M. D. M., Tiemann, L. K. L., & Grandy, A. S. (2014). Does agri

-

cultural crop diversity enhance soil microbial biomass and organic 
matter  dynamics?  A  meta- analysis. 

Ecological Applications

, 

24

(3), 

560– 570. https://doi.org/10.1890/13- 0616.1

Meurer, K. H. E., Haddaway, N. R., Bolinder, M. A., & Kätterer, T. (2018). 

Tillage  intensity  affects  total  SOC  stocks  in  boreo- temperate 
regions  only  in  the  topsoil— A  systematic  review  using  an  ESM 
approach. 

Earth- Science  Reviews

, 

177

,  613– 622.  https://doi.

org/10.1016/J.EARSC IREV.2017.12.015

Minasny, B., Malone, B. P., McBratney, A. B., Angers, D. A., Arrouays, D., 

Chambers, A., Chaplot, V., Chen, Z.- S., Cheng, K., Das, B. S., Field, 
D. J., Gimona, A., Hedley, C. B., Hong, S. Y., Mandal, B., Marchant, 
B. P., Martin, M., McConkey, B. G., Mulder, V. L., … Winowiecki, L. 
(2017). Soil carbon 4 per mille. 

Geoderma

, 

292

, 59– 86. https://doi.

org/10.1016/j.geode rma.2017.01.002

Mueller, N. D., Gerber, J. S., Johnston, M., Ray, D. K., Ramankutty, N., 

&  Foley,  J.  A.  (2012).  Closing  yield  gaps  through  nutrient  and 
water  management. 

Nature

, 

490

(7419),  254– 257.  https://doi.

org/10.1038/natur e11420

   

|

  15

LESSMANN 

Et

 

AL

.

Nakagawa,  S.,  Noble,  D.  W.  A.,  Senior,  A.  M.,  &  Lagisz,  M.  (2017). 

Meta- evaluation of meta- analysis: Ten appraisal questions for bi

-

ologists. 

BMC Biology

, 

15

(1),  18.  https://doi.org/10.1186/s1291 

5- 017- 0357- 7

Ogle, S. M. S. M., Breidt, F. J. J. F. J., & Paustian, K. (2005). Agricultural 

management impacts on soil organic carbon storage under moist 
and  dry  climatic  conditions  of  temperate  and  tropical  regions. 

Biogeochemistry

, 

72

(1),  87– 121.  https://doi.org/10.1007/s1053 

3- 004- 0360- 2

Oldfield,  E.  E.,  Bradford,  M.  A.,  &  Wood,  S.  A.  (2019).  Global  meta- 

analysis of the relationship between soil organic matter and crop 

yields. 

Soil

, 

5

(1), 15– 32. https://doi.org/10.5194/soil- 5- 15- 2019

Paustian, K., Lehmann, J., Ogle, S., Reay, D., Robertson, G. P., & Smith, P. 

(2016). Climate- smart soils. 

Nature

, 

532

(7597), 49– 57. https://doi.

org/10.1038/natur e17174

Peel, M. C., Finlayson, B. L., & Mcmahon, T. A. (2007). Hydrology and Earth 

System Sciences Updated world map of the Köppen- Geiger climate 
classification. 

Hydrology and Earth System Sciences

, 

11

(5),  1633– 

1644.  www.hydro l- earth - syst- sci.net/11/1633/2007/  https://doi.
org/10.5194/hess- 11- 1633- 2007

Poeplau,  C.,  &  Don,  A.  (2015).  Carbon  sequestration  in  agricultural 

soils via cultivation of cover crops –  A meta- analysis. 

Agriculture, 

Ecosystems and Environment

, 

200

, 33– 41. https://doi.org/10.1016/j.

agee.2014.10.024

Poffenbarger, H. J., Barker, D. W., Helmers, M. J., Miguez, F. E., Olk, D. 

C., Sawyer, J. E., Six, J., & Castellano, M. J. (2017). Maximum soil or

-

ganic carbon storage in Midwest U.S. cropping systems when crops 
are optimally nitrogen- fertilized. 

PLoS One

, 

12

(3), 1– 18. https://doi.

org/10.1371/journ al.pone.0172293

Poggio, L., De Sousa, L. M., Batjes, N. H., Heuvelink, G. B. M., Kempen, 

B., Ribeiro, E., & Rossiter, D. (2021). SoilGrids 2.0: Producing soil 
information for the globe with quantified spatial uncertainty. 

Soil

, 

7

(1), 217– 240. https://doi.org/10.5194/soil- 7- 217- 2021

Porwollik, V., Rolinski, S., Heinke, J., & Müller, C. (2019). Generating a 

global gridded tillage dataset. 

Earth System Science Data Discussions

, 

2015

, 1– 28. https://doi.org/10.5194/essd- 2018- 152

Poulton,  P.,  Johnston,  J.,  Macdonald,  A.,  White,  R.,  &  Powlson,  D. 

(2018).  Major  limitations  to  achieving  “4  per  1000”  increases  in 
soil  organic  carbon  stock  in  temperate  regions:  Evidence  from 
long- term experiments at Rothamsted Research, United Kingdom. 

Global Change Biology

, 

24

(6), 2563– 2584. https://doi.org/10.1111/

gcb. 14066.

Powlson,  D.  S.,  Stirling,  C.  M.,  Jat,  M.  L.,  Gerard,  B.  G.,  Palm,  C.  A., 

Sanchez, P. A., & Cassman, K. G. (2014). Limited potential of no- till 
agriculture  for  climate  change  mitigation. 

Nature Climate Change

, 

4

(8), 678– 683. https://doi.org/10.1038/nclim ate2292

Rohatgi, A. (2018). WebPlotDigitizer. Version, 4, 1.
Schlatter, D., Kinkel, L., Thomashow, L., Weller, D., & Paulitz, T. (2017). 

Disease suppressive soils: New insights from the soil microbiome. 

Phytopathology

, 

107

(11),  1284– 1297.  https://doi.org/10.1094/

PHYTO - 03- 17- 0111- RVW

Singh,  B.  P.,  Setia,  R.,  Wiesmeier,  M.,  &  Kunhikrishnan,  A.  (2018). 

Agricultural  management  practices  and  soil  organic  carbon  stor

-

age. In B. Singh (ed.), 

Soil Carbon Storage: Modulators, Mechanisms 

and Modeling

.  Academic  Press.  https://doi.org/10.1016/B978- 0- 

12- 81276 6- 7.00007 - X

Smith, P., Martino, D., Cai, Z., Gwary, D., Janzen, H., Kumar, P., McCarl, B., 

Ogle, S., O’Mara, F., Rice, C., Scholes, B., Sirotenko, O., Howden, M., 
McAllister, T., Pan, G., Romanenkov, V., Schneider, U., Towprayoon, 
S.,  Wattenbach,  M.,  &  Smith,  J.  (2008).  Greenhouse  gas  mitiga

-

tion in agriculture. 

Philosophical Transactions of the Royal Society B: 

Biological Sciences

, 

363

(1492),  789– 813.  https://doi.org/10.1098/

rstb.2007.2184

Spiegel,  H.,  Schlatter,  N.,  Haslmayr,  H.- P.,  Lehtinen,  T.,  &  Baumgarten, 

A. (2014). Compatibility of Agricultural Management Practices and 
Types of Farming in the EU to enhance Climate Change Mitigation 

and Soil Health Policy bundles framing agricultural soil protection 
in EU and selected member states. January 2012.

Tang, L. L., Caudy, M., & Taxman, F. (2013). A statistical method for syn

-

thesizing meta- analyses. 

Computational and Mathematical Methods 

in Medicine

, 

2013

, 732989. https://doi.org/10.1155/2013/732989

Uwizeye, A., de Boer, I. J. M. M., Opio, C. I., Schulte, R. P. O. O., Falcucci, 

A., Tempio, G., Teillard, F., Casu, F., Rulli, M., Galloway, J. N., Leip, A., 
Erisman, J. W., Robinson, T. P., Steinfeld, H., & Gerber, P. J. (2020). 
Nitrogen  emissions  along  global  livestock  supply  chains. 

Nature 

Food

, 

1

(7), 437– 446. https://doi.org/10.1038/s4301 6- 020- 0113- y

Van  Groenigen,  J.  W.,  Van  Kessel,  C.,  Hungate,  B.  A.,  Oenema,  O., 

Powlson,  D.  S.,  &  Van  Groenigen,  K.  J.  (2017).  Sequestering 
soil  organic  carbon:  A  nitrogen  dilemma. 

Environmental Science 

and Technology

, 

51

(9),  4738– 4739.  https://doi.org/10.1021/acs.

est.7b01427.

van Groenigen, K. J., Qi, X., Osenberg, C. W., Luo, Y., & Hungate, B. A. 

(2014).  Faster  decomposition  under  increased  atmospheric  CO₂ 
limits soil carbon storage. 

Science (New York, N.Y.)

, 

344

(6183), 508– 

509. https://doi.org/10.1126/scien ce.1249534

Van Looy, K., Bouma, J., Herbst, M., Koestel, J., Minasny, B., Mishra, U., 

Montzka, C., Nemes, A., Pachepsky, Y. A., Padarian, J., Schaap, M. 
G.,  Tóth,  B.,  Verhoef,  A.,  Vanderborght,  J.,  van  der  Ploeg,  M.  J., 
Weihermüller, L., Zacharias, S., Zhang, Y., & Vereecken, H. (2017). 
Pedotransfer  functions  in  earth  system  science:  Challenges  and 
perspectives. 

Reviews of Geophysics

, 

55

(4), 1199– 1256. https://doi.

org/10.1002/2017R G000581

Veeken, A., Adani, F., Fangueiro, D., & Jensen, S. (2017). EIP- AGRI Focus 

Group –  Nutrient recycling. The value of recycling organic matter 
to soils. Classification as organic fertiliser or organic soil improver. 

EIP- AGRI Focus Group -  Nutrient Recycling

, 

10

, https://circu lairt errei 

nbehe er.nl/wp- conte nt/uploa ds/2017/10/Value - of- organ ic- matte r-  
Class ifica tion- as- ferti liser - or- soil- impro ver_final - 23- Jan- 2017.pdf

Virto, I., Barré, P., Burlot, A., & Chenu, C. (2012). Carbon input differ

-

ences  as  the  main  factor  explaining  the  variability  in  soil  organic 
C  storage  in  no- tilled  compared  to  inversion  tilled  agrosystems. 

Biogeochemistry

, 

108

(1– 3),  17– 26.  https://doi.org/10.1007/s1053 

3- 011- 9600- 4

Vogel, H.- J., Bartke, S., Daedlow, K., Helming, K., Kögel- Knabner, I., Lang, 

B.,  Rabot,  E.,  Russell,  D.,  Stößel,  B.,  Weller,  U.,  Wiesmeier,  M.,  & 
Wollschläger, U. (2018). A systemic approach for modeling soil func

-

tions. 

SOIL

, 

45194

, 83– 92. https://doi.org/10.5194/soil- 4- 83- 2018

West,  T.  O.,  &  Post,  W.  M.  (2002).  Soil  organic  carbon  sequestra

-

tion rates by tillage and crop rotation: A global data analysis. 

Soil 

Science Society of America Journal

, 

66

(6),  1930– 1946.  https://doi.

org/10.3334/CDIAC/ tcm

Wood- Sichra,  U.,  Joglekar,  A.  B.,  &  You,  L.  (2016).  Spatial  Production 

Allocation  Model  (SPAM)  2005:  Technical  Documentation. 
HarvestChoice  Working  Paper.  Washington,  D.C.:  International 
Food  Policy  Research  Institute  (IFPRI)  and  St.  Paul:  International 
Science  and  Technology  Practice  and  Policy  (InSTePP)  Center, 
University of Minnesota.

Xu, H., Sieverding, H., Kwon, H., Clay, D., Stewart, C., Johnson, J. M. F., 

Qin, Z., Karlen, D. L., & Wang, M. (2019). A global meta- analysis of 
soil organic carbon response to corn stover removal. 

GCB Bioenergy

, 

11

(10), 1215– 1233. https://doi.org/10.1111/gcbb.12631

Xu, R., Tian, H., Pan, S., Dangal, S. R. S., Chen, J., Chang, J., Lu, Y., Maria 

Skiba, U., Tubiello, F. N., & Zhang, B. (2019). Increased nitrogen en

-

richment and shifted patterns in the world’s grassland: 1860– 2016. 

Earth System Science Data

, 

11

(1), 175– 187. https://doi.org/10.5194/

essd- 11- 175- 2019

Young, M. D., Ros, G. H., & de Vries, W. (2020). A decision support frame

-

work  assessing  management  impacts  on  crop  yield,  soil  carbon 
changes and nitrogen losses to the environment. 

European Journal 

of Soil Science, July

, https://doi.org/10.1111/ejss.13024

Zavattaro, L., Bechini, L., Grignani, C., van Evert, F. K., Mallast, J., Spiegel, 

H.,  Sandén,  T.,  Pecio,  A.,  Giráldez  Cervera,  J.  V.,  Guzmán,  G., 

16 

|

   

LESSMANN 

Et

 

AL

.

Vanderlinden, K., D’Hose, T., Ruysschaert, G., ten Berge, H. F. M., 
D’Hose, T., Ruysschaert, G., & ten Berge, H. F. M. (2017). Agronomic 
effects of bovine manure: A review of long- term European field ex

-

periments. 

European Journal of Agronomy

, 

90

, 127– 138. https://doi.

org/10.1016/j.eja.2017.07.010

Zhang,  B.,  Tian,  H.,  Lu,  C.,  Dangal,  R.  S.  S.,  Yang,  J.,  &  Pan,  S.  (2017). 

Manure  nitrogen  production  and  application  in  cropland  and 
rangeland during 1860– 2014: A 5- minute gridded global data set 
for  Earth  system  modeling.  PANGAEA,  https://doi.org/10.1594/
PANGA EA.871980

Zomer, R. J., Bossio, D. A., Sommer, R., & Verchot, L. V. (2017). Global 

sequestration  potential  of  increased  organic  carbon  in  cropland 

soils. 

Scientific Reports

, 

7

(1),  1– 8.  https://doi.org/10.1038/s4159 

8- 017- 15794 - 8

SUPPORTING INFORMATION

Additional supporting information may be found in the online ver

-

sion of the article at the publisher’s website.

How to cite this article:

 Lessmann, M., Ros, G. H., Young, M. 

D., & de Vries, W. (2021). Global variation in soil carbon 
sequestration potential through improved cropland 
management. 

Global Change Biology

, 00, 1– 16. 

https://doi.

org/10.1111/gcb.15954