MétaCan
Menu
Retour à la cohorte
Enregistrement W2965812449 · doi:10.5539/jas.v11n14p96

Terraced Pasture Changes the Soil Moisture Dynamics

2019· article· en· W2965812449 sur OpenAlexvenueno aff
Vanessa Schiavon Lopes, Irene Maria Cardoso, Osmar Rosa Fernandes, Raphael Bragança Alves Fernandes, Paulo Roberto Cecon, Lucas Carvalho Gomes, José Maria Rodrigues da Luz

Notice bibliographique

RevueJournal of Agricultural Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésEnvironmental scienceWater contentPastureSoil scienceSoil waterMoistureHydrology (agriculture)AgronomyGeologyGeographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Climate changes, loss of biodiversity, soil degradation, scarcity and pollution of waters are the problems caused and experienced by society. The conservation methods of soil moisture are important for plant growth and groundwater preservation. The aim at this study was to evaluate the impacts of the terraces on soil moisture and to analyze the efficiency of Ground Penetration Radar (GPR) in the soil moisture determination. Soil moisture was determined by gravimetric and GPR methods in the depths of 0 to 10, 10 to 30, 30 to 60 and, 60 to 100 cm. The water storage in depth was larger and uniform in terraced than in the non-terraced pasture. However, the non terraced pasture has less soil compaction. Thus, the terrace does not guarantee adequate pasture management and other alternatives for sustainable management of cattle and reduction of soil compaction is necessary. The GPR method may be used to estimate the soil water content in volumetric basis in the field of a non-invasive manner. However, there need to study and determine the accuracy in GPR measurement in different methods and soil types.

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 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 enseignants0,832
Score d'incertitude au seuil0,218

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,190 · 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.

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 Moisture and Remote SensingTravaux en français237 207