MétaCan
Menu
Retour à la cohorte
Enregistrement W2959573517 · doi:10.5539/jas.v11n12p1

Diversification of Crops and Conservation Management in Lowland Soils of Rio Grande do Sul

2019· article· en· W2959573517 sur OpenAlexvenueno aff
Cristian Troyjack, João Roberto Pimentel, Vinícius Jardel Szareski, Ivan Ricardo Carvalho, Francine Lautenchleger, Bruno de L. Vargas, Maikel L. Habitzreuter, Daniele Brandstetter Rodrigues, Andréa Bicca Noguez Martins, Lílian Vanussa Madruga de Tunes

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-clésAgroforestrySoil waterAgricultural diversificationCrop rotationSoil conservationSustainabilityEnvironmental scienceGeographyDiversification (marketing strategy)ProductivitySoil qualityAgricultureCropEcologyForestryBiologyBusiness

Résumé

récupéré en direct d'OpenAlex

The lowland soils in Rio Grande do Sul occupy an area of approximately 5.4 million hectares of the state. They are flat to mildly hilly topography soils, developed, under varied conditions of drainage deficiency (hydromorphism). In this ecosystem, the extensive productive livestock system and irrigated rice were developed, used successfully for many decades. However, its characteristics and peculiarities have contributed to the cost of production, disseminate weed seeds in the crops and degrade the physical state of the lowland soils, due to this, the interest arose for the use of new alternatives that were, at the same time, efficient in the control of red rice, economically viable and able to maintain or even recover soil quality. The search for practices capable of increasing the productivity of irrigated rice and, especially, its sustainability over time has been the focus of several studies, so the objective of this review was to present aspects related to crop diversification and conservation management of lowland soils, mainly in relation to rotation and succession practices.

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 enseignants0,030
Score d'incertitude au seuil0,059

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,013
Tête enseignante GPT0,204
Écart entre enseignants0,192 · 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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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