MétaCan
Menu
Retour à la cohorte
Enregistrement W2174414043 · doi:10.4141/cjss2010-058

Overview of Mollisols in the world: Distribution, land use and management

2012· article· en· W2174414043 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueCanadian Journal of Soil Science · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesChinese Academy of Sciences
Mots-clésMollisolGeographySoil waterTillageChinaAgroforestryForestryAgronomyEnvironmental scienceSoil scienceBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Liu, X., Burras, C. L., Kravchenko, Y. S., Duran, A., Huffman, T., Morras, H., Studdert, G., Zhang, X., Cruse, R. M. and Yuan, X. 2012. Overview of Mollisols in the world: Distribution, land use and management. Can. J. Soil Sci. 92: 383–402. Mollisols – a.k.a., Black Soils or Prairie Soils – make up about 916 million ha, which is 7% of the world's ice-free land surface. Their distribution strongly correlates with native prairie ecosystems, but is not limited to them. They are most prevalent in the mid-latitudes of North America, Eurasia, and South America. In North America, they cover 200 million ha of the United States, more than 40 million ha of Canada and 50 million ha of Mexico. Across Eurasia they cover around 450 million ha, extending from the western 148 million ha in southern Russia and 34 million ha in Ukraine to the eastern 35 million ha in northeast China. They are common to South America's Argentina and Uruguay, covering about 89 million and 13 million ha, respectively. Mollisols are often recognized as inherently productive and fertile soils. They are extensively and intensively farmed, and increasingly dedicated to cereals production, which needs significant inputs of fertilizers and tillage. Mollisols are also important soils in pasture, range and forage systems. Thus, it is not surprising that these soils are prone to soil erosion, dehumification (loss of stable aggregates and organic matter) and are suffering from anthropogenic soil acidity. Therefore, soil scientists from all of the world's Mollisols regions are concerned about the sustainability of some of current trends in land use and agricultural practices. These same scientists recommend increasing the acreage under minimum or restricted tillage, returning plant residues and adding organic amendments such as animal manure to maintain or increase soil organic matter content, and more systematic use of chemical amendments such as agricultural limestone to replenish soil calcium reserves.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,264
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,038
Tête enseignante GPT0,244
Écart entre enseignants0,206 · 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