MétaCan
Menu
Retour à la cohorte
Enregistrement W1564802361 · doi:10.3390/f6061922

Nitrogen Transfer to Forage Crops from a Caragana Shelterbelt

2015· article· en· W1564802361 sur OpenAlexafffund
G. Issah, Anthony A. Kimaro, John Kort, J. Diane Knight

Notice bibliographique

RevueForests · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of SaskatchewanAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaUniversity of Saskatchewan
Mots-clésCaraganaTriticaleWindbreakForageAgronomyBiomass (ecology)FodderBiologyBotany

Résumé

récupéré en direct d'OpenAlex

Caragana shelterbelts are a common feature of farms in the Northern Great Plains of North America. We investigated if nitrogen (N) from this leguminous shrub contributed to the N nutrition of triticale and oat forage crops growing adjacent to the shelterbelt row. Nitrogen transfer was measured using 15N isotope dilution at distances of 2 m, 4 m, 6 m, 15 m and 20 m from the shelterbelt. At 2 m caragana negatively impacted the growth of triticale and oat. At 4 m from the shelterbelt productivity was maximum for both forage crops and corresponded to the highest amount of N originating from caragana. The amount of N transferred from caragana decreased linearly with distance away from the shelterbelt, but even at 20 m from the shelterbelt row measureable amounts of N originating from caragana were detectable in the forage biomass. At 4 m from the shelterbelt approximately 40% of the N in both oat and triticale was from caragana, and at 20 m from the shelterbelt approximately 20% of the N in oat and 8% of the N in triticale was from caragana.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

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

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,227
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

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

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

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

En bref

Citations8
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207