MétaCan
Menu
Retour à la cohorte
Enregistrement W2019899272 · doi:10.1139/x09-147

Adsorption of dissolved nitrogen by forest mineral soils

2009· article· en· W2019899272 sur OpenAlexafffundvenueabout
Dolly N. Kothawala, Tim R. Moore

Notice bibliographique

RevueCanadian Journal of Forest Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBIOCAP Canada
Mots-clésDissolved organic carbonChemistrySoil waterPodzolEnvironmental chemistryAdsorptionNitrateAmmoniumDesorptionNitrogenSoil carbonSoil scienceEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Dissolved nitrogen (N) species, including ammonium (NH4+-N), nitrate (NO3–-N), and dissolved organic nitrogen (DON), are important nutrient sources in soils. The mobility of DON and NH4+-N in soil solutions is influenced by abiotic adsorption to mineral soil particle surfaces. We determined relationships between soil properties and their ability to adsorb NH4+-N, NO3–-N, and DON, using batch experiments. A range of 41 mineral horizons was collected from across Canada, including Podzols, Brunisols, Luvisols, Gleysols, and an organic soil. The adsorption of DON and dissolved organic carbon (DOC) were positively correlated (R2= 0.86), and both were best explained by the amount of iron and aluminum associated with poorly crystalline phases. Adsorption of NH4+-N was strongest in Gleysols and Luvisols, while adsorption of NO3–-N was weak in all soils. A reduction in the DOC:DON ratio was observed for most mineral horizons (89%) after equilibration from an original ratio of 35:1. Mineral horizons with a net desorption of DON had a significantly greater reduction in the final DOC:DON ratios than horizons with a net adsorption of DON. The results from this study found that while similar soil properties could predict DOC and DON adsorption, DON was slightly more mobile than DOC.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,564

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,021
Tête enseignante GPT0,270
Écart entre enseignants0,249 · 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

Citations46
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207