MétaCan
Menu
Retour à la cohorte
Enregistrement W2791206592 · doi:10.5539/jas.v10n4p192

Simulated Traffic Dynamic Loading on Physical Properties of a Red Latosol under No-Tillage

2018· article· en· W2791206592 sur OpenAlexvenueno aff
Divina Cléia Resende dos Santos, Paulo Márcio Fernandes Viana, Gisele Carneiro Silva, Elton Fialho dos Reis

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésTraffic intensityTillageEnvironmental scienceBulk densityCompactionSoil compactionLatosolConsolidation (business)Soil scienceGeotechnical engineeringGeologySoil waterEngineeringAgronomy

Résumé

récupéré en direct d'OpenAlex

The use of intensive mechanization in no-tillage areas can change soil physical conditions, mainly in the “Cerrado”, which has reduced cover ratio. This study aimed to evaluate physical and mechanical properties of a red latosol under no-tillage and subjected to simulated dynamic traffic in different surfaces conditions. For this, soil samples were collected, with dimensions of 0.2 × 0.2 × 0.3 m (height, width and length), in an area subjected to no-tillage in the last four years. Subsequently, samples were transported to the laboratory and subjected to different traffic levels in a simulator. Shortly after, a completely randomized experimental design was set up, in factorial 2 × 5, with two covers (with and without haystack) and five traffic levels (zero, one, two, four and eight run overs) applied by the simulator. Assessed physical properties were superficial settlement, soil density, compaction degree and pre-consolidation pressure. Results showed that superficial settlement, soil density and compaction degree were significantly influenced by soil cover and traffic intensity. Pre-consolidation was not affected by cover, and had higher values when subjected to more traffic intensity.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,228
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Management and Crop YieldTravaux en français237 207