MétaCan
Menu
Retour à la cohorte
Enregistrement W2168705986 · doi:10.2134/jeq2006.0306

Tile Water Quality following Liquid Swine Manure Application into Standing Corn

2007· article· en· W2168705986 sur OpenAlexafffund
B. R. Ball Coelho, R. C. Roy, Edward Topp, David R. Lapen

Notice bibliographique

RevueJournal of Environmental Quality · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Soil, Plant Science
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésTileManureEnvironmental scienceWater qualityLiquid manureTile drainageWaste managementQuality (philosophy)AgronomyEnvironmental engineeringPulp and paper industryBiologyEngineeringMaterials scienceEcology

Résumé

récupéré en direct d'OpenAlex

The quality of water draining fields fertilized with liquid swine (Sus scrofa) manure (LSM) sidedressed into standing corn (Zea mays L.) at rates ranging from 0 to 94 m(3) ha(-1), either topdressed (TD) onto the surface, or injected (INJ) into the soil once annually for each of three consecutive years was evaluated. Liquid swine manure application rate was a critical driver of preferential flow of LSM to tile as detected by turbidity, concentrations of NH(4)(+)-N, dissolved reactive phosphorus (DRP), and the presence of enteric bacteria (Escherichia coli). Contaminant movement to drains occurred immediately after 75 and 94 m(3) LSM ha(-1) were injected (e.g., 2.5 mg DRP L(-1), 3-yr average). With injection of 56 m(3) ha(-1) or less, drainage water was not turbid and concentrations of NH(4)(+)-N, DRP, and enteric bacteria were dramatically lower than with the higher rates, even when tiles flowed freely during manure application. Application method also affected tile water quality. With TD applications (37 and 56 m(3) ha(-1)), nutrients and bacteria did not move to tiles at the time of application, but with rains that fell within 3 d after application, concentrations increased (e.g., 0.1 mg DRP L(-1)), although less than with INJ. Overall, sidedress injection rates that supplied adequate crop nutrients did not compromise drainage water quality.

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 enseignants0,010
Score d'incertitude au seuil0,021

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,270
Écart entre enseignants0,251 · 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

Citations56
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental QualityMême sujetAgriculture, Soil, Plant ScienceTravaux en français237 207