MétaCan
Menu
Retour à la cohorte
Enregistrement W2482897409 · doi:10.1139/cjb-2016-0015

Can graminoids used for mine tailings revegetation improve substrate structure?

2016· article· en· W2482897409 sur OpenAlexaffvenue
Marie Guittonny‐Larchevêque, Yasmine Meddeb, Dominique Barrette

Notice bibliographique

RevueBotany · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesUniversité de Montpellier
Mots-clésGraminoidTailingsRevegetationEnvironmental scienceBiomass (ecology)AgronomyPeatBulk densityLand reclamationSoil waterForbSoil scienceBiologyEcologyGrasslandMaterials science

Résumé

récupéré en direct d'OpenAlex

The seeding of agronomic graminoid species that are tolerant to the compacted and low aeration conditions associated with mine tailings allows for rapid cover of mine waste, which in turn controls erosion. These graminoids can be used as primer-species on mine tailings to improve the rooting of other plant species, which may not tolerate soil compaction and low aeration. Tailings colonization by graminoid roots could improve ecological filters such as low air-filled porosity and elevated bulk density. The effect of above- and below-ground development of graminoid species used for hay-field seeding on the macroporosity and density of gold mine tailings was studied under controlled conditions as well as in situ. All of the graminoid species tested improved the macroporosity of the tailings after only 2 months of growth under greenhouse conditions, but had no effect on the density of the tailings. The perennial Bromus inermis Leyss. was most efficient in improving the macroporosity of tailings, having greater root diameter, biomass, and volume. The annual Avena sativa L. also produced high root biomass and length, which improved the macroporosity of the tailings. However, under field conditions, graminoids had low cover and no effect on macroporosity, which highlights that their growth should be improved to make them usefull as primer-plants.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,380

Scores Codex et Gemma par catégorie

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 Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetSoil and Unsaturated FlowTravaux en français237 207