MétaCan
Menu
Retour à la cohorte
Enregistrement W3197983442 · doi:10.21608/fjard.2020.189882

ASSESSMENT AND SPATIAL DISTRIBUTION OF NIKLE WITHIN SOILS OF IBSHWAY DISTRICT AREA, FAYOUM GOVERNORATE, EGYPT

2020· article· en· W3197983442 sur OpenAlexaboutno aff
Mahmoud Abd-Elgawad, Abdelnaser A. Abdel Hafeez, Hamdy A. Abdurrahman, Mohammed Hamed El-Sayed Saleh

Notice bibliographique

RevueFayoum Journal of Agricultural Research and Development /Fayoum Journal of Agricultural Research and Development · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Land Suitability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoil waterDistribution (mathematics)Spatial distributionGeographyEnvironmental scienceSoil scienceRemote sensingMathematics

Résumé

récupéré en direct d'OpenAlex

Spatial distribution of Ni has been studied in soils of Ibshway district area, Fayoum governorate, Egypt using grid system- log distance of 2 km. Levels and Spatial distribution of Ni( total and extractable) contents were identified and mapped using "ILWIS application" Geographic Information System (on basis of their Ni contents) throughout the studied area. It was found that the mean concentrations of total Ni within the top 60 cm of soils were 40.02 mg kg-1 , i.e higher than the general means in some soils of the world. The general mean concentrations of total Ni within the top 60 cm in Ibshway District soils mostly higher than the maximum allowable limits applied in some countries such as Denmark , Netherlands , Germany , Ireland and Canada the total Ni values are similar to the permissible limits applied in some developed countries such as Finland and below the allowed maximum limits applied in some developed countries such as Switzerland, Czech Republic and Eastern Europe (Russia, Ukraine, Moldavia and Belarus) The maps generated through GIS are useful for decision makers for land use planning, conservation and evaluating the degree of environmental contamination with hazardous heavy metals.

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 enseignants0,062
Score d'incertitude au seuil0,124

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
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,060
Tête enseignante GPT0,309
Écart entre enseignants0,250 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFayoum Journal of Agricultural Research and Development /Fayoum Journal of Agricultural Research and DevelopmentMême sujetSoil and Land Suitability AnalysisTravaux en français237 207