MétaCan
Menu
Retour à la cohorte
Enregistrement W2584174078 · doi:10.1139/cjss-2016-0145

Amendments and substrates to develop anthroposols for northern mine reclamation

2017· article· en· W2584174078 sur OpenAlexaffvenueabout
Valerie Miller, M. Anne Naeth

Notice bibliographique

RevueCanadian Journal of Soil Science · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueClay minerals and soil interactions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésLand reclamationPeatEnvironmental scienceFertilizerAgronomyEcology

Résumé

récupéré en direct d'OpenAlex

Mining and natural resource development in the Canadian north has produced large areas of disturbance and volumes of waste, necessitating reclamation. This study focused on building anthroposols in a greenhouse using waste material from Diavik Diamond Mine. There were six substrates (crushed rock, lakebed sediment, processed kimberlite, and its combinations), seven organic amendments (sewage, soil, peat, Black Earth, biochar, and its combinations), a control, and two nutrient treatments (with and without fertilizer). Substrates and amendments were mixed and seeded with three grass species. Soil properties and vegetation responses were assessed. Substrate structure was a challenge; crushed rock and processed kimberlite had little fine material and lakebed sediment was compacted. Processed kimberlite and sewage had metal concentrations (barium, chromium, cobalt, copper, molybdenum, nickel, selenium, and zinc) above guidelines. Vegetation established on all anthroposols, with plant growth and density greatest in crushed rock, followed by 25% processed kimberlite with 75% lakebed sediment and 100% lakebed sediment. Substrates amended with peat and (or) soil had the greatest plant density and belowground biomass; substrates amended with sewage and sewage–soil had greatest aboveground biomass. Fertilizer had a limited effect. With appropriate amendments, waste materials at the mine showed potential as reclamation soils.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,400
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
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 Opus0,043
Tête enseignante GPT0,318
Écart entre enseignants0,275 · 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

Citations18
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetClay minerals and soil interactionsTravaux en français237 207