MétaCan
Menu
← Retour à la cohorte
Enregistrement W4206352592 · doi:10.1371/journal.pone.0261638

Assessment of soil quality for guided fertilization in 7 barley agro-ecological areas of China

2022· article· en· W4206352592 sur OpenAlexaff
Yu Zhou, Yingcheng Fan, Guang Lu, Anyong Zhang, Ting Zhao, Genlou Sun, Daokun Sun, Qi Yu, Xifeng Ren

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensSaint Mary's University
Organismes subventionnairesChina Agricultural Research System
Mots-clésSoil qualityPlateau (mathematics)Environmental scienceChinaSoil testAgricultureSoil waterAgronomySoil scienceGeographyEcologyBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Soil quality is the basis for the development of sustainable agriculture and may be used for evaluating the sustainability of soil management practices. Soil quality status and integrated soil quality index (SQI) in sampled 97 farmlands distributed in 7 barley agro-ecological areas of China were analyzed by using 13 soil chemical parameters. The results showed six principal components totally explained 72% variability for the 13 parameters and identified 9 parameters (includes pH, NH4+-N, NO3--N, available P, available K, exchangeable Mg, DTPA-Fe, DTPA-Cu and Cl-) with high factor loading values as the minimum data set (MDS) for assessing soil quality. Average soil quality of all farmlands is moderate (SQI = 0.62). The SQI of barley farmlands in 7 agro-ecological areas showed the following order: Inner Mongolia Plateau (0.75 ± 0.02) > Yunnan-Kweichow Plateau (0.72 ± 0.06) > Qinghai-Tibet Plateau (0.63 ± 0.08) > Yangtze Plain (0.62 ± 0.10) > Huanghuai Region (0.58 ± 0.09) > Northeast China Plain (0.56 ± 0.07) > Xinjiang Province (0.54 ± 0.07). Total 29 out of 97 farmlands in 7 areas have low SQI level (< 0.55). Hence, these farmlands require urgent attention for soil quality improvement through modification of the soil parameters in the MDS.

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 enseignants0,042
Score d'incertitude au seuil0,083

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 savante0,0000,000
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 Opus0,079
Tête enseignante GPT0,288
Écart entre enseignants0,209 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→