MétaCan
Menu
Retour à la cohorte
Enregistrement W2363753807

Carbon Sequestration in Farming Land Soils: an Approach to Buffer the Global Warming and to Improve Soil Productivity

2000· article· en· W2363753807 sur OpenAlexaffabout
Yang Xue-ming

Notice bibliographique

RevueSoil and Environmental Sciences · 2000
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceGlobal warmingSoil carbonCarbon sequestrationArable landTillageSoil waterGreenhouse gasKyoto ProtocolSoil managementAgricultureAgroforestryEnvironmental protectionClimate changeGeographySoil scienceAgronomyCarbon dioxideEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Global warming associated with arising of atmospheric CO2 is one the most challenging issues today. Agricultural soils behave either a source or a sink of the atmospheric CO2. Based upon the results of soil organic carbon increasing under conservation management, such as reduced- and no-till practice, rotation, and introducing cover crops in many long-term experimental in North America, soil scientists in USA and Canada believe that arable lands here have been changing from the source to the sink of atmospheric CO2. They further believe that carbon sequestrated in North America soils during next 20 years can reach 1.1 billion tons, accounting for 15% of total commission (in year 2008 ~ 2012) of both countries for CO2 emission reduction in the Kyoto Protocol. Hence, soil scientists and related governmental organizations are struggling to introduce the concept of carbon sequestration in soils to the negotiating table of global warming debate. The potential of soil sequestrating carbon is bigger in China than in North America. Management practices, such as conservation tillage, rotation, and cover cropping, widely adopted in North America would not only benefit our degrading soils, but also strengthen China's position in the future global warming negotiation.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,193 · 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

Citations3
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoil and Environmental SciencesMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207