MétaCan
Menu
Retour à la cohorte
Enregistrement W2589366534 · doi:10.1139/cjss2012-050

Evaluating the potential contribution of vegetation as a nutrient source in snowmelt runoff

2013· article· en· W2589366534 sur OpenAlexaffabout
J. G. Elliott

Notice bibliographique

RevueBioOne Complete (BioOne) · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSnowmeltNutrientEnvironmental scienceSurface runoffSoil waterHydrology (agriculture)Vegetation (pathology)PhosphorusMoistureAgronomyEnvironmental chemistryChemistrySoil scienceEcologyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Elliott, J. 2013. Evaluating the potential contribution of vegetation as a nutrient source in snowmelt runoff. Can. J. Soil Sci. 93: 435-443. On the Canadian prairies, most nutrient transport to surface waters takes place during snowmelt. The potential for a range of 11 residue types to release nitrogen (N), phosphorus (P) and carbon (C) was assessed by snowmelt simulation. Interactions between soils and residues were measured for two contrasting residues. Samples (taken in late fall) were frozen prior to snowmelt simulations that consisted of three diurnal temperature cycles from -5°C to +9°C followed by a final melt at +5°C. Releases of total and total dissolved P (TP and TDP), total dissolved N (TDN), and dissolved organic C (DOC) during simulated snowmelt were greater from actively growing residues than from crop stubble and were significantly related to plant moisture and nutrient contents. Nutrient release from wheat stubble (WS) was statistically similar to that from the underlying surface soil but releases of P and ammonia (NH3) from winter wheat (WW) were at least four times greater than for the corresponding soil. When combined samples of residue and soil were tested, releases of most nutrients were less than when the residue and soil were tested separately. Potential release of nutrients from vegetation is a factor for consideration in the design of practices to reduce nutrient transport.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,142
Tête enseignante GPT0,261
Écart entre enseignants0,119 · 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

Citations43
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioOne Complete (BioOne)Même sujetHydrology and Watershed Management StudiesTravaux en français237 207