MétaCan
Menu
Retour à la cohorte
Enregistrement W2013575062 · doi:10.4141/p99-004

Farm-level profitability analysis of alternative tillage systems on clay soils

2000· article· en· W2013575062 sur OpenAlexvenueaboutno aff
Emmanuel K. Yiridoe, Tony J. Vyn, Alfons Weersink, David C. Hooker, Clarence J. Swanton

Notice bibliographique

RevueCanadian Journal of Plant Science · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTillageAgronomyConventional tillageMathematicsCrop rotationCropping systemMultiple croppingSoil waterStrip-tillCrop yieldCroppingEnvironmental scienceNo-till farmingCropAgricultureBiologySoil fertilitySowingSoil science

Résumé

récupéré en direct d'OpenAlex

Crop yields, production costs, and net returns for seven alternative conservation tillage (including five reduced tillage and two no-till) treatments were compared with a conventional tillage (CT) treatment for a corn (Zea mays L.) – soybean (Glycine max L. Merr) rotation for two clay soils in southwestern Ontario. There was no significant difference in corn and soybean yields between the CT and the conservation tillage systems at either location, although actual yields tended to be highest for CT management. Tillage treatments that used a common set of machinery for corn and soybean production generated savings in annual machinery costs. Variable costs were lowest for the reduced-tillage treatments and highest for the two no-till treatments due to higher equipment expenditures and additional herbicide requirements. For a given location, there was often no significant difference in net returns between CT and the conservation tillage treatments, although average net returns for the corn–soybean cropping systems tended to be highest for CT and lowest for no-till. Key words: Net returns analysis, conservation tillage systems, clay soils, corn, soybeans

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)0,001
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 enseignants0,061
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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

Citations15
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207