MétaCan
Menu
← Retour à la cohorte
Enregistrement W2401839191 · doi:10.1139/cjps-2016-0084

Biomass yield from an old grass field as affected by sources of nitrogen fertilization and management zones in northern areas

2016· article· en· W2401839191 sur OpenAlexaffvenue
Gilles Bélanger, Athyna N. Cambouris, Gaétan Parent, Danielle Mongrain, Noura Ziadi, Isabelle Perron

Notice bibliographique

RevueCanadian Journal of Plant Science · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésAgronomyHuman fertilizationBiomass (ecology)Environmental scienceFertilizerDry matterManureNitrogenField experimentBiologyChemistry

Résumé

récupéré en direct d'OpenAlex

The efficiency of municipal biosolids (MB) and liquid swine manure (LSM) as fertilizers for old grass fields used for biomass production remains to be determined in northern areas. We determined the response of a 7 yr old grass field to organic and mineral N fertilization in two management zones. Soil and crop spatial variability was characterized, and two management zones were defined using soil electrical conductivity (EC). Nitrogen was applied at 160 kg total N ha−1 for 3 yr as MB, LSM, or mineral fertilizer (M) along with an unfertilized control. Seasonal dry matter (DM) yields were 61% with no N applied, 87% with MB, and 95% with LSM of that with M. The apparent N recovery with LSM (38%) and MB (27%) was less than with M (51%). Management zones did not differ in responses of DM yield and apparent N recovery to fertilization treatments. Fertilization treatments affected the number of species and the contribution of the main species to DM yield. We concluded that MB and LSM are valuable sources of N for biomass production from old grass fields in northern areas and EC-defined management zones are unlikely to improve N management in similar situations.

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 enseignants0,041
Score d'incertitude au seuil0,081

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 savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,190
Écart entre enseignants0,181 · 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

Citations4
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→