MétaCan
Menu
← Retour à la cohorte
Enregistrement W3094522526 · doi:10.5194/egusphere-egu2020-11873

Soil amendments reduce P release from flooded soils: Incubation studies simulating snowmelt and summer flooding

2020· article· en· W3094522526 sur OpenAlexaffabout
Chammi P. Attanayake, Darshani Kumaragamage, Chamara S. Weerasekara, U.W.A. Vitharana, Saman Dharmakeerthi, Emily Van, Doug Goltz, Srimathie P. Indraratne

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensUniversity of ManitobaUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésSoil waterSnowmeltChemistryFerricManganeseAnimal scienceEnvironmental chemistryLeaching (pedology)Surface runoffEnvironmental scienceEcologyInorganic chemistryBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Flooding caused by snowmelt runoff in the spring and early summer and heavy rainfall in the summer could enhance P release into nearby surface water bodies causing eutrophication. Six soil amendments were tested for their effectiveness in reducing P release from flooded-soils. Soils were collected from the flood-prone fields in the Red River Valley region in Manitoba, Canada. The tested amendments were gypsum, magnesium sulphate, alum, ferric chloride, zeolite and manganese oxides. Intact soil columns were subjected to flooding for 8 weeks at 4oC simulating the snowmelt in the spring and the early summer and at 22oC simulating flooding occurrences in the summer. Release of soil P into soil solution and floodwater was higher at 22oC than that at 4oC. Gypsum, magnesium sulphate, alum and ferric chloride were effective in reducing the concentrations of P in the pore- and flood-water at various capacities. Ongoing research on zeolite and manganese oxide suggests that manganese oxide was more effective in reducing soluble P concentrations in soils at early days of flooding.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,055
Tête enseignante GPT0,278
Écart entre enseignants0,223 · 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'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'admission2
Résumé présentoui

Explorer davantage

Même sujetSoil and Water Nutrient Dynamics→Travaux en français237 207→