MétaCan
Menu
Retour à la cohorte
Enregistrement W2909322416 · doi:10.5539/jas.v11n2p121

Soil Fertility in Crop-Livestock System Subjected to Nitrogen Fertilization and Grazing

2019· article· en· W2909322416 sur OpenAlexvenueno aff
Laércio Ricardo Sartor, Itacir Elói Sandini, Paulo César de Faccio Carvalho, Barbara Elis Santos Ruthes

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrazingAgronomyLolium multiflorumEnvironmental scienceLivestockOvergrazingSoil fertilityCropHuman fertilizationBiologySoil waterSoil scienceEcology

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to evaluate the effects of sheep grazing and increasing rates of nitrogen fertilization on oats + ryegrass at winter on the soil K, Ca, H + Al, Mg and P concentrations in a crop-livestock system with beans and corn crop succession during summer after four years (2006-2009) of the experiment establishment. Treatments consisted of different nitrogen levels (0, 75, 150 and 225 kg ha-1) with and without sheep grazing Lolium multiflorum Lam and Avena spp. Soil chemical traits were evaluated at depths of 0-5, 5-10, and 10-15 cm. The experiment was laid out as random block design in a split-plot scheme with three replications. Soil K content were higher at the superficial soil layer and at the treatment with 150 kg ha-1 N and remained high along the four years of assessment. Animal grazing at winter results in better soil chemical traits in relation to the soil Ca and H + Al. There were no nutrient (K, Ca, P and Mg) losses or extraction when under overgrazing, a fact that confirms the possibility of using animals in the crop-livestock areas without affecting its chemical traits. There was also an increase in Ca and SB concentrations with grazing, including in subsurface soil.

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 enseignants0,004
Score d'incertitude au seuil0,008

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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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