MétaCan
Menu
Retour à la cohorte
Enregistrement W2894866057 · doi:10.5539/jas.v10n10p132

Soil and Water Loss Rates in Oxisols Under No-tillage System in Western Paraná, Brazil

2018· article· en· W2894866057 sur OpenAlexvenueno aff
Luana Salete Celante, Deonir Secco, Aracéli Ciotti de Marins, Daniela Trentin Nava, Flávio Gurgacz, Luiz Antônio Zanão Júnior, Luciene Kazue Tokura, Samuel Nelson Melegari de Souza, Reginaldo Ferreira Santos

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOxisolSoil waterEnvironmental scienceTillageConventional tillageSoil scienceWater contentAgronomyGeology

Résumé

récupéré en direct d'OpenAlex

The objective of work was to quantify soil and water loss rates as a function of slope variation, correlating these rates with soybean yield. In addition to developing multiple linear regression models that associate water and soil loss rates in function of their physical attributes. The experiment was conducted in an Oxisols under a no-tillage system. The experiment was carried out in Cascavel, PR, Brazil. Four slopes (3.5%; 8.2%; 11.4% and 13.5%) were considered as treatments. The water and soil loss rates were monitored in the rainfall occurring during the crop development cycle. The water drained in each plot was collected in gutters made of polyvinyl chloride and stored in containers for the quantification of soil and water losses. The stepwise backward method was used to identify the variables that had a significant influence on water and soil losses. The unevenness of the terrain did not influence the soil and water loss rates. The maximum soil and water losses during the soybean cycle were, respectively, 0.01962 Mg ha-1 and 4.07 m3 ha-1. The maximum soil and water losses occurred when the precipitation volume was up to 82 mm. Soil and water losses showed a higher correlation with macroporosity and bulk density. Soybean grain yield showed a higher linear correlation with water, and soil loss and was higher at the slopes of 8.2% and 13.4%. The low water and soil losses demonstrate the soil capacity, managed under a no-tillage system, to minimize environmental impacts.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

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
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,219 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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