MétaCan
Menu
Retour à la cohorte
Enregistrement W2912794093 · doi:10.5194/amt-12-1095-2019

Comparison of slant open-path flux gradient and static closed chamber techniques to measure soil N <sub>2</sub> O emissions

2019· article· en· W2912794093 sur OpenAlexaff
Mei Bai, Helen Suter, Shu Kee Lam, Thomas K. Flesch, Deli Chen

Notice bibliographique

RevueAtmospheric measurement techniques · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Melbourne
Mots-clésFlux (metallurgy)Nitrous oxideEnvironmental scienceAtmospheric sciencesTRACERChemistryTrace gasAnalytical Chemistry (journal)PhysicsEnvironmental chemistryNuclear physics

Résumé

récupéré en direct d'OpenAlex

Abstract. Improving direct field measurement techniques to quantify gas emissions from cropped agricultural fields is challenging. We compared nitrous oxide (N2O) emissions measured with static closed chambers to those from a newly developed aerodynamic 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∕chamber) of these two techniques and found N2O emission rates from a celery crop farm measured at midday by FG were statistically higher (1.22–1.40 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,158
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,021
Tête enseignante GPT0,253
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric measurement techniquesMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207