MétaCan
Menu
Retour à la cohorte
Enregistrement W2886750743 · doi:10.5539/jas.v10n9p477

Chemical Characteristics of the Use of Gelatine Sludge in Soil Cultivated as Fertilizer

2018· article· en· W2886750743 sur OpenAlexvenueno aff
Aridouglas dos Santos Araújo, Leonardo Bernardes Taverny de Oliveira, José Geraldo Donizetti dos Santos, Wallace Henrique de Oliveira, Durval Dourado Neto, Perlon Maia dos Santos, Antônio Clementino dos Santos

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésFertilizerAmendmentAgronomyEnvironmental sciencePastureSoil salinitySoil testChemistryHuman fertilizationPhosphorusSoil waterSoil scienceBiology

Résumé

récupéré en direct d'OpenAlex

Various types of industrial wastes have been tested as a source of pasture fertilization. However, little is known about the sludge of the gelatine industry. This study aimed at testing gelatine sludge as a soil amendment by assessing the chemical modifications caused in the soil profile. The experiment was conducted in Araguaina, Tocantins, using a typical Quartzipsamment soil (Entisols) from February to November 2013. Four doses were tested in experimental plots: 0, 50, 150 and 300 m3 ha-1. Soil sampling was performed at four depths: 0-5, 5-10, 10-20 and 20-30 cm with collection at the beginning and the end of the experimental period. Five grazing simulations of 21 days of rest of Piatã grass were testes. The gelatine sludge was able to raise the contents of calcium, phosphorus, and sum of bases only in the superficial layer (0-5 cm) and did not alter the pH, potential acidity and saturation by base, indicating that there was no use restriction due to salinization or acidification. Therefore, it was concluded that the maximum tested dose (300 m3 ha-1) improved the chemical characteristics of the soil, especially in the 0-5-cm layer.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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 Opus0,033
Tête enseignante GPT0,231
Écart entre enseignants0,198 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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