MétaCan
Menu
Retour à la cohorte
Enregistrement W2471880432 · doi:10.1139/er-2016-0008

Biochar influences on agricultural soils, crop production, and the environment: A review

2016· review· en· W2471880432 sur OpenAlexaffvenue
Ahmed Ahmed, Jiby Kurian, Vijaya Raghavan

Notice bibliographique

RevueEnvironmental Reviews · 2016
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBiocharEnvironmental scienceSlash-and-charSoil waterAmendmentSoil qualityAgricultureContext (archaeology)Soil retrogression and degradationAgricultural productivityCarbon sequestrationAgronomySoil fertilitySoil scienceChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Given its high pore volume and adsorption capacity, and when applied as an agricultural soil amendment, its ability to enhance the soil’s nutrient- and water- holding capacities, biochar has become a focus of research interest. In most applications, crop productivity is significantly increased after agricultural soils are amended with biochar. In addition to increasing soil quality, the biochar amendments sequester carbon within the soil. However, the long-term effects of amending agricultural soils with biochar are difficult to predict, because the mechanisms behind the increase in productivity of biochar amended soils are not yet fully understood. Long-term detrimental effects on soil and the environment can occur if biochar is applied haphazardly. Current knowledge and the additional experimental work required to thoroughly understand the influence of biochar amendment on the behavior of agricultural soils processes are reviewed. Further, studies on the post production processing of biochar are discussed in the context of the possible engineering of biochar for particular states of soil degradation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,243
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207