MétaCan
Menu
Retour à la cohorte
Enregistrement W2035081325 · doi:10.2136/sssaj2004.0108

Defining Critical Capillary Rise Properties for Growing Media in Nurseries

2005· article· en· W2035081325 sur OpenAlexaff
Jean Caron, D. E. Elrick, Richard C. Beeson, J. Boudreau

Notice bibliographique

RevueSoil Science Society of America Journal · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensUniversity of GuelphUniversité Laval
Organismes subventionnairesUniversity of Florida
Mots-clésPeatSphagnumCapillary actionEnvironmental scienceIrrigationBark (sound)Agricultural engineeringHydrology (agriculture)EcologyMaterials scienceGeotechnical engineeringGeologyBiologyComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Water availability for landscape nursery irrigation is foreseen as a major impediment for this industry within the next decade. Among various solutions proposed to increase irrigation efficiency, thereby reducing the water volumes required, are closed and semi‐closed subirrigation systems designed to grow plants potted in organic growing media. These systems, however, require organic substrates that have good capillary properties. However, standards for such capillary properties are not available. This study compared substrates composed of peat, bark, and sand having contrasting capillary properties, in a nursery experiment to establish guideline values for the proper and efficient operation on capillary mat devices. It also proposes a theoretical model of capillary rise using the hydraulic characteristics of growing media to predict the suitability of various substrates. Substrates with 60% (per volume) sphagnum peat were found to provide the best capillary rise and best growth, based on empirical measurements, relative to substrates with 30% sphagnum or 30% sedge peat. The proposed theoretical model concurred with these observations.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,001
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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,242 · 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'étudeExpérimental (laboratoire)
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

Citations51
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoil Science Society of America JournalMême sujetSeedling growth and survival studiesTravaux en français237 207