MétaCan
Menu
Retour à la cohorte
Enregistrement W1969361386 · doi:10.5713/ajas.2011.11261

Contribution of Urine and Dung Patches from Grazing Sheep to Methane and Carbon Dioxide Fluxes in an Inner Mongolian Desert Grassland

2011· article· en· W1969361386 sur OpenAlexaff
Yuanyuan Jiang, Shiming Tang, Chengjie Wang, Pei Zhou, Mario Tenuta, Guodong Han, Ding Huang

Notice bibliographique

RevueAsian-Australasian Journal of Animal Sciences · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGrasslandCarbon dioxideAnimal scienceMethaneGrazingEnvironmental scienceUrineInner mongoliaPastureAgronomyChemistryEcologyBiologyChinaGeography

Résumé

récupéré en direct d'OpenAlex

The effects of sheep urine and dung patches on methane (CH4) and carbon dioxide (CO2) fluxes were investigated during the summer-autumn in 2010, to evaluate their contribution to climate change in a desert grassland in Inner Mongolia, China. Results indicate that the cumulative CH4 emissions for dung patches, urine patches and control plots were - -0.076, -0.084, and -0.114 g/m(2) and these were net CH4 sinks during the measured period. The level of CH4 intake from urine and dung plots decreased 25.7%, and 33.3%, respectively, compared with a control plot. CO2 fluxes differed (p<0.01) in urine plots, with an average of 569.20 mg/m(2)/h compared with control plots (357.62 mg/m(2)/h) across all sampling days. Dung patches have cumulative CO2 emissions that were 15.9% higher compared with the control during the 55-d period. Overall, sheep excrement weakened CH4 intake and increased CO2 emissions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,450
Score d'incertitude au seuil0,234

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 Opus0,033
Tête enseignante GPT0,256
Écart entre enseignants0,223 · 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

Citations32
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian-Australasian Journal of Animal SciencesMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207