MétaCan
Menu
← Retour à la cohorte
Enregistrement W2898169789 · doi:10.5194/amt-2018-90

Comparison of flux gradient and chamber techniques to measure soil N <sub>2</sub> O emissions

2018· article· en· W2898169789 sur OpenAlexaff
Mei Bai, Helen Suter, Shu Kee Lam, Thomas K. Flesch, Deli Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Melbourne
Mots-clésFlux (metallurgy)Nitrous oxideEnvironmental scienceAtmospheric sciencesFourier transform infrared spectroscopyConcentration gradientAnalytical Chemistry (journal)TRACERChemistryPhysicsEnvironmental chemistrySoil scienceOpticsNuclear physics

Résumé

récupéré en direct d'OpenAlex

Abstract. Improving the direct field measurement techniques to quantify gases emissions from the large agriculture farm is challenging. We compared nitrous oxide (N2O) emissions measured with static chambers to those from a newly developed micrometeorological flux gradient (FG) approach. Measurements were made at a vegetable farm following chicken manure application. The FG calculations were made with a single open-path Fourier transform infrared (OP-FTIR) spectrometer (height of 1.45 m) deployed in a slant-path configuration: sequentially aimed at retro reflectors at heights of 0.8 and 1.8 m above ground. Hourly emissions were measured with the FG technique, but once a day between 10:00 and 13:00 with chambers. We compared the concurrent emission ratios (FG/Chambers) between these two techniques, and found N2O emission rates from celery crop farm measured at mid-day by FG were statistically higher (1.4 times) than those from the chambers measured at the same time. Our results suggest the OP-FTIR slant-path FG configuration worked well in this study: it was sufficiently sensitive to detect the N2O gradients over our site, giving high temporal resolution N2O emissions corresponding to a large measurement footprint.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
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 Opus0,030
Tête enseignante GPT0,266
Écart entre enseignants0,236 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→