MétaCan
Menu
Retour à la cohorte
Enregistrement W3141487709

LONG-TERM EFFECTS OF INTENSIVE CULTIVATION ON SOIL QUALITY IN THE POTATO-GROWING AREAS OF NEW BRUNSWICK (CANADA) AND MAINE (U.S.A.)

2009· article· en· W3141487709 sur OpenAlexaboutno aff
l Maine, G. R. eNo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureCroppingSoil qualitySoil waterIntensive farmingCrop rotationEnvironmental scienceSoil compactionAgroforestryAgronomyGeographySoil science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The development of agricultural technology can cause both favorable and unfavorable changes in soil-plant environment. Our concern in this symposium is confined to the unfavorable changes caused by long-term intensive cultivation. Intensive cropping undoubtedly tends to deteriorate the physical condition of most soils. These soils ultimately become more difficult to manage and crop yields decrease. The problem. however. is not a new one, nor is the problem local. For example , Modern Farming and the Soil (Agricultural Advisory Council l97 I ) focused attention on deterioration of soil structure in the United Kingdom, a condition so vital to plant nutrition, from many modern farming techniques that employ large and heavy machinery. The dust-bowl conditions in the United States in the 1920's and 1930's, and also the widespread soil erosion that accompanied the continuous fallow-wheat system in Australia in the early part of this century, are grim warnings of situations that can develop if attention is not given to good soil management. But the soil condition that makes the situation in New Brunswick and Maine differ from those elsewhere is the presence of stones in the soils that farmers remove to facilitate mechanical harvestins. In this discussion, therefore, we will focis attention on soil compaction, erosion and stone removal and their interactions on crop yield under continuous potato cropping.

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)0,001
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 enseignants0,037
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil erosion and sediment transportTravaux en français237 207