MétaCan
Menu
← Retour à la cohorte
Enregistrement W1663810233 · doi:10.5400/jts.2013.v18i3.231-239

Land Suitability Study in Ultisols for Soybean Based on Soil Fauna

2014· article· en· W1663810233 sur OpenAlexaboutno aff
Ea Kosman Anwar, Ridha Nurlaily, Sarmah, Jati Purwani

Notice bibliographique

RevueJournal of Tropical Soils · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Land Suitability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUltisolEnvironmental scienceAgroforestryLand useFaunaSoil waterForestryGeographySoil scienceEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Evaluation of land suitability for soybean by involving the presence and biodiversity of soil fauna has been conducted. The research was done on thecenter of soybean plantations in Ultisols soils in Banten, Lampung, and Lahat (south Sumatera) Provinces. The objective of research was to determine the interaction between soil fauna diversity in Ultisols soil and productivity of soybean. The research used a Survey Method. Every location was divided into three categories of vegetation performance, such as, less vegetation, average vegetation, and very fertile vegetation with two replicates. The chemical, physical, and biological properties of soils from every unit sampling were analyzed. The results showed that nutrient and chemical properties of soil which directly influenced the growth and production of soybean was P-potential, P-available, K-available, B (Boron), Ca and pH; the physical properties were pores drainage, pores rapid drainage, soil water content, and soil permeability. The presence of earthworm did not have direct effect to soybean, except as the 3th between variables, meaning that the presence of earthworms affected soil physical properties, soil physical properties affected nutrient availability, nutrient availability affected the biomass and yield of soybean.

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

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,257
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Tropical Soils→Même sujetSoil and Land Suitability Analysis→Travaux en français237 207→