MétaCan
Menu
Retour à la cohorte
Enregistrement W2960104252 · doi:10.1139/cjss-2019-0015

Aggregate size distribution and associated carbon and nitrogen in mulched winter wheat and spring corn

2019· article· en· W2960104252 sur OpenAlexvenueno aff
Xin Fu, Jun Wang, Upendra M. Sainju, Wenzhao Liu

Notice bibliographique

RevueCanadian Journal of Soil Science · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNorthwest UniversityLunds UniversitetNational Natural Science Foundation of China
Mots-clésMulchStrawAgronomySoil carbonNitrogenPlastic filmEnvironmental scienceChemistrySoil waterSoil scienceBiologyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

The influence of surface mulching on soil aggregation and associated carbon (C) and nitrogen (N) varies by mulching materials and crop types. The 6 yr effect of straw mulching (SM), plastic film mulching (PM), and no mulching (CK) on soil aggregation and associated C and N concentrations at 0–20 and 20–40 cm soil layers were studied under dryland winter wheat (Triticum aestivum L.) and spring corn (Zea mays L.) in the Loess Plateau of China. Regardless of crop types, aggregate proportion was greater in macroaggregates (2.00–10.00 mm), but lower in microaggregates (<0.50 mm) with mulching than without in both soil layers. The mean weight diameter of aggregates was greater with SM and PM than CK. Compared with CK and PM, SM increased soil organic C (SOC) and total N (STN) concentrations in both macroaggregates and bulk soil at 0–20 cm. Aggregate proportion and soil C and N concentrations at both depths were more pronounced in winter wheat than spring corn. The recovery rates of bulk soil SOC and STN in aggregates varied from 94% to 107%. Straw and plastic film mulching enhanced soil aggregation compared with no mulching. Straw mulching was more effective in increasing SOC and STN concentrations at the surface layer in dryland winter wheat and spring corn.

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 enseignants0,016
Score d'incertitude au seuil0,032

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,190
Écart entre enseignants0,181 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207