MétaCan
Menu
Retour à la cohorte
Enregistrement W3020607434 · doi:10.4025/actasciagron.v42i1.42941

3D soil void space lacunarity as an index of degradation after land use change

2020· article· en· W3020607434 sur OpenAlexaff
Carlos Renato dos Santos, Antônio Celso Dantas Antonino, Richard J. Heck, Leandro Ricardo Rodrigues de Lucena, Alex Cristóvão Holanda de Oliveira, Antônio Samuel Alves da Silva, Borko Stošić, Rômulo Simões Cézar Menezes

Notice bibliographique

RevueRedalyc (Universidad Autónoma del Estado de México) · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésLacunarityPorositySoil scienceEnvironmental scienceSoil waterSpatial distributionGeologyFractalRemote sensingGeotechnical engineeringMathematicsFractal dimension

Résumé

récupéré en direct d'OpenAlex

"In this work, lacunarity analysis is performed on soil pores segmented by the pure voxel extraction method from soil tomography images. The conversion of forest to sugarcane plantation was found to result in higher sugarcane soil pore lacunarity than that of native forest soil, while the porosity was found to be lower. More precisely, this study shows that native forest has more porous soil with a more uniform spatial distribution of pores, while sugarcane soil has lower porosity and a more heterogeneous pore distribution. Moreover, validation through multivariate statistics demonstrates that lacunarity can be considered a relevant index of clustering and can explain the variability among soils under different land use systems. While porosity by itself represents a fundamental concept for quantification of the impact of land use change, the current findings demonstrate that the spatial distribution of pores also plays an important role and that pore lacunarity can be adopted as a complementary tool in studies directed at quantifying the effect of human intervention on soils."

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

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 savante0,0000,001
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 Opus0,024
Tête enseignante GPT0,228
Écart entre enseignants0,204 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRedalyc (Universidad Autónoma del Estado de México)Même sujetSoil Geostatistics and MappingTravaux en français237 207