MétaCan
Menu
Retour à la cohorte
Enregistrement W2611685520 · doi:10.1021/acs.est.6b03728

Nitrous Oxide and Dinitrogen: The Missing Flux in Nitrogen Budgets of Forested Catchments?

2017· article· en· W2611685520 sur OpenAlexafffund
Eric Enanga, Nora J. Casson, Tarrah A. Fairweather, Irena F. Creed

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensUniversity of WinnipegWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNitrous oxideFlux (metallurgy)NitrogenEnvironmental scienceHydrology (agriculture)Environmental chemistryChemistryGeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Most forest nitrogen budgets are imbalanced, with nitrogen inputs exceeding nitrogen outputs. The denitrification products nitrous oxide (N 2 O) and dinitrogen (N 2 ) represent often-unmeasured fluxes that may close the gap between explained nitrogen inputs and outputs. Gaseous N 2 O and N 2 effluxes, dissolved N 2 O flux, and traditionally measured dissolved nitrogen species (i.e., nitrate, ammonium, and dissolved organic nitrogen) were estimated to account for the annual nitrogen output along hillslope gradients from two catchments in a temperate forest. Adding N 2 O and N 2 effluxes to catchment nitrogen output not only reduced the discrepancy between nitrogen inputs and outputs (9.9 kg ha –1 yr –1 and 6.5 or 6.3 kg ha –1 yr –1, respectively), but also between nitrogen outputs from two catchments with different topographies (6.5 kg ha –1 yr –1 for the catchment with a large wetland, 6.3 kg ha –1 yr –1 for the catchment with a very small wetland). Dissolved N 2 O comprised a very small portion of the annual nitrogen outputs. Nitrogen inputs exceeded nitrogen outputs throughout the year except during spring runoff, and also during autumn storms in the catchment with the large wetland. Failing to account for denitrification products, especially during summer rainfall events, may lead to underestimation of annual nitrogen losses.

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)0,002
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,214 · 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

Citations15
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207