MétaCan
Menu
Retour à la cohorte
Enregistrement W1986316920 · doi:10.1080/21683565.2014.967435

Comparison of Crop Yield and Pollution Production Response to Nitrogen Fertilization Models, Accounting for Crop Rotation Effect

2014· article· en· W1986316920 sur OpenAlexafffund
Frederick Amon-Armah, Emmanuel K. Yiridoe, Rob Jamieson, Dale Hebb

Notice bibliographique

RevueAgroecology and Sustainable Food Systems · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensNova Scotia Department of AgricultureDalhousie University
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésCrop rotationYield (engineering)CropEnvironmental scienceCrop yieldAgronomyProduction (economics)Crop productionHuman fertilizationNitrogenAgroforestryAgricultureEconomicsChemistryPhysicsGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Alternative mathematical functional forms commonly applied in modelling crop and pollution production response to nitrogen (N) fertilizer use were investigated. Data were generated using soil and water assessment tool modeling, and explicitly accounted for rotation effects on regression parameters. The Mitscherlich–Baule model best represented potato, carrot, and alfalfa yield response, while the quadratic model best described corn, winter wheat, and barley yield response to N fertilization. The quadratic functional form also best represented nitrate-N leaching response to N fertilization for most crops. Maximum economic rates of N fertilization for crops were sensitive to residual N effects of previous crops.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,547
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 Opus0,023
Tête enseignante GPT0,259
Écart entre enseignants0,236 · 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

Citations17
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgroecology and Sustainable Food SystemsMême sujetCrop Yield and Soil FertilityTravaux en français237 207