Soil Physical Quality Indicators and Refinement of the Evaluation Method through the Srelative
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aimed to verify the efficiency of indicators of measure of physical attributes’ alterations and to refine the Srelative determination method in order to increase its sensitivity to soil physical alterations. Soils under Ficus carica L. cultivation (with 0, 20, 40 and 60% of liquid bovine biofertilizer in the irrigation depth) and under forest were used. Parameters evaluated included soil granulometry, soil bulk and particle density, soil water retention curve (SWRC), porosity and the indices S and Srelative. The experimental design was completely randomized with four replicates. For Srelative refinement, with the SWRC containing only textural porosity, the soil was dispersed in water and with the addition of 1 N sodium hydroxide (with and without removal of sodium through washing). An ANOVA was performed for 0, 20, 40 and 60% of biofertilizer in 0-10, 10-20 and 20-30 layers; Dunnett test was used to compare the mean values of S-index and Srelative-index. With respect to four methods to obtain the Srelative-index the means were compared by Tukey test. Tests of line parallelism and intercept were performed for the regressions between each of the soil physical variables and Srelative-index obtained. It was found that S and Srelative indices were sensitive to soil physical alterations caused by the application of the biofertilizer; Srelative-index was sensitive to variation in soil bulk density and total porosity and the Srelative-index obtained from the method of soil dispersion in water is more sensitive to soil physical alterations in comparison to Srelative-index obtained through ADFE.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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