MétaCan
Menu
Retour à la cohorte
Enregistrement W3165287014 · doi:10.1038/s43247-021-00172-0

Reductions in the deposition of sulfur and selenium to agricultural soils pose risk of future nutrient deficiencies

2021· article· en· W3165287014 sur OpenAlexfundno aff
Aryeh Feinberg, Andrea Stenke, Thomas Peter, Eve‐Lyn S. Hinckley, Charles T. Driscoll, Lenny H. E. Winkel

Notice bibliographique

RevueCommunications Earth & Environment · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Geological SurveyEnvironment and Climate Change CanadaEidgenössische Technische Hochschule ZürichSyracuse UniversityU.S. Environmental Protection Agency
Mots-clésEnvironmental scienceSulfurDeposition (geology)NutrientSoil waterEnvironmental chemistryAgricultureFertilizerBiogeochemistryChemistryAgronomyEcologyStructural basinBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Abstract Atmospheric deposition is a major source of the nutrients sulfur and selenium to agricultural soils. Air pollution control and cleaner energy production have reduced anthropogenic emissions of sulfur and selenium, which has led to lower atmospheric deposition fluxes of these elements. Here, we use a global aerosol-chemistry-climate model to map recent (2005–2009) sulfur and selenium deposition, and project future (2095–2099) changes under two socioeconomic scenarios. Across the Northern Hemisphere, we find substantially decreased deposition to agricultural soils, by 70 to 90% for sulfur and by 55 to 80% for selenium. Recent trends in sulfur and selenium concentrations in USA streams suggest that catchment mass balances of these elements are already changing due to the declining atmospheric supply. Sustainable fertilizer management strategies will need to be developed to offset the decrease in atmospheric nutrient supply and ensure future food security and nutrition, while avoiding consequences for downstream aquatic ecosystems.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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

Citations110
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetSelenium in Biological SystemsTravaux en français237 207