Estimation de la fertilité potentielle des ferralsols par la couleur
Notice bibliographique
Résumé
A farmer-friendly method of determining the most suitable cultivation soils would help in transferring new integrated soil management technologies. The potential for using soil color (Munsell data) was tested by physico-chemical analysis of 1028 ferrallitic soil samples from 289 profiles unequally allocated above 7 deg N in Côte d’Ivoire. Soil hue variations in depth and along the toposequence revealed the existence of vertical and lateral gradients of soil hue. The relative contribution of the different descriptors (clay, sand, carbon, total nitrogen, total phosphorus, potassium, magnesium and calcium) to the three functions extracted using a discriminant analysis to differentiate the four groups of soils with different hues was evaluated as well as the analysis of variance to determine the possible groups number for each one of the descriptors. Differences between physico-chemical components of red (2.5YR and 5YR) and yellow (7.5YR and 10YR) soils were determined, especially for P, Mg and K in extension. A decreasing gradient of inherent soil fertility indicators with an increasing yellowness in soil hue was revealed using multiple regression models. The soils 2.5YR and 5YR were therefore deemed more appropriate for stable and sustainable agriculture.Key words: Hue, ferralsols, fertility, soil use
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 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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».