MétaCan
Menu
Retour à la cohorte
Enregistrement W2968761745 · doi:10.1038/s41598-019-47861-7

Climate and Soil Characteristics Determine Where No-Till Management Can Store Carbon in Soils and Mitigate Greenhouse Gas Emissions

2019· article· en· W2968761745 sur OpenAlexaff
Stephen M. Ogle, Cody Alsaker, Jeff Baldock, Martial Bernoux, F. Jay Breidt, B.G. McConkey, Kristiina Regina, Gabriel G Vazquez-Amabile

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesU.S. Department of Veterans AffairsU.S. Environmental Protection Agency
Mots-clésGreenhouse gasEnvironmental scienceClimate changeClimate change mitigationSoil carbonGreenhouse gas removalSoil waterFood securityCarbon sequestrationEnvironmental protectionAgricultureCarbon dioxideSoil scienceEcology

Résumé

récupéré en direct d'OpenAlex

Adoption of no-till management on croplands has become a controversial approach for storing carbon in soil due to conflicting findings. Yet, no-till is still promoted as a management practice to stabilize the global climate system from additional change due to anthropogenic greenhouse gas emissions, including the 4 per mille initiative promoted through the UN Framework Convention on Climate Change. We evaluated the body of literature surrounding this practice, and found that SOC storage can be higher under no-till management in some soil types and climatic conditions even with redistribution of SOC, and contribute to reducing net greenhouse gas emissions. However, uncertainties tend to be large, which may make this approach less attractive as a contributor to stabilize the climate system compared to other options. Consequently, no-till may be better viewed as a method for reducing soil erosion, adapting to climate change, and ensuring food security, while any increase in SOC storage is a co-benefit for society in terms of reducing greenhouse gas emissions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,198
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 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

Citations322
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207