MétaCan
Menu
Retour à la cohorte
Enregistrement W3084440410 · doi:10.5539/jas.v12n10p316

Ferralsol Porosity and Density After Mechanical Scarification and Crop Rotation Systems

2020· article· en· W3084440410 sur OpenAlexvenueno aff
Monica Carolina Sustakowski, Edleusa Pereira Seidel, Renata F. Barabasz, Rayssa H. da Silva, Willian dos Reis, Juliano Zimmermann, Maria do Carmo Lana

Notice bibliographique

RevueJournal of Agricultural Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade Estadual do Oeste do Paraná
Mots-clésScarificationBulk densityAgronomyPorosityTillageCover cropCrop rotationEnvironmental scienceCropMathematicsMaterials scienceSoil waterBiologySoil scienceComposite material

Résumé

récupéré en direct d'OpenAlex

With intensive cultivation and the lack of crop rotation, the no-tillage system has been showing compacted areas. For its reduction, mechanical scarification and crop rotation has been recommended. Thus, the present study aimed to evaluate in a no-tillage system the effect of mechanical scarification and crop rotation systems on soil porosity and density after 18 months. The experimental design used was randomized blocks in a split-plot scheme, with four replications. The main plots consisted of maintaining the no-tillage system and minimal soil preparation with a chisel, carried out before the cultivation of cover plants. The subplots were composed of different plant species grown in winter: wheat, consortium of forage pea + black oat and consortium of black oat + forage turnip. Both were succeeded by cultivation of soy and lupin. Macroporosity, microporosity, total porosity and bulk density were evaluated. After 18 months, the scarified soil showed a higher bulk density (0.10-0.15 m layer) when compared to the no-tillage system, demonstrating that this isolated decompression alternative does not improve the physical properties of the soil. The area in succession to oat + turnip/soybean/lupin showed lower bulk density.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,278

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,209
Écart entre enseignants0,188 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoil Management and Crop YieldTravaux en français237 207