Prediction of Nuclear Magnetic Resonance Carbon Fractions in Decomposing Forest Litter Using Diffuse Reflectance Infrared Fourier Transform Spectroscopy and Partial Least Squares Regression
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A diffuse reflectance infrared Fourier transform (DRIFT) spectroscopy method was developed to enable DRIFT to be used as a substitute for 13C-nuclear magnetic resonance (13C-NMR) spectroscopy in predicting specific functional groups containing carbon. As part of the Canadian Intersite Decomposition Study, samples of 10 foliar litter types (trembling aspen, American beech, bracken fern, black spruce, Douglas-fir, plains rough fescue, jack pine, tamarack, white birch, western redcedar) and one wood type (western hemlock) at one site and a subset of three foliar litters (trembling aspen, black spruce, plains rough fescue) at three other colder sites undergoing field exposure for 12 years were annually collected. The DRIFT spectra were collected for all samples, with a subset of litter samples also analyzed by 13C-NMR spectroscopy with cross-polarization and magic-angle spinning. Partial least squares calibrations were calculated from the DRIFT spectra for the seven NMR regions representing specific carbon-containing functional groups. These calibrations were then used to predict the proportion of each NMR region in each sample. A single nondestructive sampling using as little as 0.5 g of sample gave measurements for all of the NMR regions. The DRIFT was demonstrated as a fast and simple analysis method for analyzing large numbers of samples to give fair estimates of the NMR regions for each litter type at all four sites.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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