MétaCan
Menu
Retour à la cohorte
Enregistrement W2114336994 · doi:10.1146/annurev-arplant-043015-112311

Perennial Grain and Oilseed Crops

2016· review· en· W2114336994 sur OpenAlexaff
Michael B. Kantar, Catrin Tyl, Kevin Dorn, Xiaofei Zhang, Jacob M. Jungers, Joe M. Kaser, Rachel R. Schendel, James O. Eckberg, Bryan C. Runck, Mirko Bunzel, Nick R. Jordan, Robert M. Stupar, M. David Marks, James A. Anderson, Gregg A. Johnson, Craig C. Sheaffer, Tonya C. Schoenfuss, Baraem Ismail, George E. Heimpel, Donald L. Wyse

Notice bibliographique

RevueAnnual Review of Plant Biology · 2016
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPerennial plantBioproductsEnvironmental scienceCroppingTillageAgricultureMiscanthusAgronomyAgroforestryGreenhouse gasAgroecosystemEcosystem servicesEcosystemBioenergyBiologyBiofuelEcology

Résumé

récupéré en direct d'OpenAlex

Historically, agroecosystems have been designed to produce food. Modern societies now demand more from food systems-not only food, fuel, and fiber, but also a variety of ecosystem services. And although today's farming practices are producing unprecedented yields, they are also contributing to ecosystem problems such as soil erosion, greenhouse gas emissions, and water pollution. This review highlights the potential benefits of perennial grains and oilseeds and discusses recent progress in their development. Because of perennials' extended growing season and deep root systems, they may require less fertilizer, help prevent runoff, and be more drought tolerant than annuals. Their production is expected to reduce tillage, which could positively affect biodiversity. End-use possibilities involve food, feed, fuel, and nonfood bioproducts. Fostering multidisciplinary collaborations will be essential for the successful integration of perennials into commercial cropping and food-processing systems.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,028
Tête enseignante GPT0,290
Écart entre enseignants0,262 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations85
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Plant BiologyMême sujetBioenergy crop production and managementTravaux en français237 207