MétaCan
Menu
Retour à la cohorte
Enregistrement W2163595023 · doi:10.1139/x10-082

Adsorption of the herbicide terbuthylazine across a range of New Zealand forestry soils

2010· article· en· W2163595023 sur OpenAlexvenueno aff
Michael S. Watt, Hailong Wang, Carol A. Rolando, Morkel Zaayman, Katrina Martin

Notice bibliographique

RevueCanadian Journal of Forest Research · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePesticide and Herbicide Environmental Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTerbuthylazineEnvironmental scienceSoil waterSoil carbonForestryAgronomyEnvironmental chemistrySoil scienceChemistryGeographyBiologyPesticideAtrazine

Résumé

récupéré en direct d'OpenAlex

The growing importance of environmental certification in plantation forestry is increasing the pressure to discontinue the use of chemicals including herbicides classified as highly hazardous. One of these herbicides is terbuthylazine, a triazine used widely to control a broad range of weeds in plantation forests in New Zealand. Using soil samples obtained from a national trial series, the key objectives of this study were to (i) determine the variation in soil adsorption of terbuthylazine as measured by distribution constant (Kd) across a range of soil types and (ii) develop a multiple regression model to predict Kd from key soil chemical properties. Across the 34 sampled sites, Kd averaged 21.9 L·kg–1 and ranged 38-fold from 3.9 to 146.7 L·kg–1. There was a highly significant (P < 0.0001) relationship between organic carbon and Kd, which was best described by a power function, that explained 86% of the variance in Kd. Addition of pH to the model using an exponential decay function was significant and increased the R2 for the model to 0.99. Across soil orders, Kd varied significantly by 10-fold. Values of Kd were lowest on Raw and Recent soil orders, which have low soil organic carbon and a relatively high pH.

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)0,001
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 enseignants0,302
Score d'incertitude au seuil0,601

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,031
Tête enseignante GPT0,301
Écart entre enseignants0,270 · 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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPesticide and Herbicide Environmental StudiesTravaux en français237 207