MétaCan
Menu
Retour à la cohorte
Enregistrement W3082984041 · doi:10.5539/mas.v14n9p69

Soil Quality and the Selection of Physicochemical Properties around Maro Rivers in Merauke Papua

2020· article· en· W3082984041 sur OpenAlexvenueno aff
Sumani Sumani, Supriyadi Supriyadi, Siti Masiyah, Widya Aryani

Notice bibliographique

RevueModern Applied Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Land Suitability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMangroveTotal organic carbonEnvironmental scienceOrganic matterSoil waterNutrientSoil qualityHydrology (agriculture)Water contentSoil testAgricultureSoil organic matterInceptisolEcologySoil scienceGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Merauke Regency has 216.196 Ha of mangroves area which most of it was fed by the Maro River. The purpose of this research was to study the chemical, nutrient movement, and physiochemical properties by collecting the soil around the Maro River. 10 collected soil samples (0-20 cm depth) were analyzed using standard methods. The result showed that the average CEC of soils around River Maro is 15.95 cmol/kg. Organic matter and soil moisture content could be the contributor to enhance the CEC of soil. The average organic carbon was 1.34%, while the BOD and COD were 2.44 and 5.70 mg/L. Soil could have different mineralogical content which nutrient around Maro is decreasing due to waste disposal to the river, agricultural practice, and other human activities. Environmental management needs to reevaluate and studies about soil mineralogy strongly recommended.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,700

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 technologies0,0000,002
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 Opus0,026
Tête enseignante GPT0,227
Écart entre enseignants0,201 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetSoil and Land Suitability AnalysisTravaux en français237 207