MétaCan
Menu
Retour à la cohorte
Enregistrement W3162301556 · doi:10.5539/jms.v11n1p168

A Research on the Fruitfulness of the Reddish-Yellow Acrisol in Serra da Meruoca, Ceará, Brazil

2021· article· en· W3162301556 sur OpenAlexvenueno aff
Marcos Venicios Ribeiro Mendes, Simone Ferreira Diniz, Cleire Lima da Costa Falcão, José Falcão Sobrinho, Francisca Edineide Lima Barbosa

Notice bibliographique

RevueJournal of Management and Sustainability · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArable landVegetation (pathology)AgricultureLeaching (pedology)Environmental scienceHydrology (agriculture)Soil scienceGeographySoil waterGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Agriculture, to be successful, needs soil to have a potential nutrient composition that is relevant to plants. Therefore, it is necessary to identify the conditions for farming through soil analysis. Thus, this manuscript makes it possible to analyze the fruitfulness of two samples of the reddish-yellow acrisol—one with vegetation and the other without it—from Serra da Meruoca, a humid area in the semi-arid region of Ceará. Concerning the material and method, the stages were literature review, researches on cartographic bases, fieldwork, and data collection and their analysis in the laboratory. The results show that the area of acrisol with vegetation favors the practice of agriculture, a fact observed because of carbon (C), which is indicative of soil with intense cultivation, as well as calcium (Ca), which appeared in a significant level, typical of arable land. In the second sample, the acrisol without vegetation, the parameters that impose restrictions on agriculture are the pH, which contains exchangeable aluminum, indicative of high acidity that leads to a leaching process. Also, the aluminum (Al) at a low level reflected the need for dolomitic quicklime, for the amendment of a deficient soil. Therefore, studies on its fruitfulness are essential for farmers to reap the rewards according to the results obtained and analyzed.

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)0,003
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 enseignants0,300
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,041
Tête enseignante GPT0,309
Écart entre enseignants0,268 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and SustainabilityMême sujetSoil Management and Crop YieldTravaux en français237 207