P‐FLUX: A phosphorus budget dataset spanning diverse agricultural production systems in the United States and Canada
Notice bibliographique
Résumé
Quantifying spatial and temporal fluxes of phosphorus (P) within and among agricultural production systems is critical for sustaining agricultural production while minimizing environmental impacts. To better understand P fluxes in agricultural landscapes, P-FLUX, a detailed and harmonized dataset of P inputs, outputs, and budgets, as well as estimated uncertainties for each P flux and budget, was developed. Data were collected from 24 research sites and 61 production systems through the Long-term Agroecosystem Research (LTAR) network and partner organizations spanning 22 U.S. states and 2 Canadian provinces. The objectives of this paper are to (a) present and provide a description of the P-FLUX dataset, (b) provide summary analyses of the agricultural production systems included in the dataset and the variability in P inputs and outputs across systems, and (c) provide details for accessing the dataset, dataset limitations, and an example of future use. P-FLUX includes information on select site characteristics (area, soil series), crop rotation, P inputs (P application rate, source, timing, placement, P in irrigation water, atmospheric deposition), P outputs (crop removal, hydrologic losses), P budgets (agronomic budget, overall budget), uncertainties associated with each flux and budget, and data sources. Phosphorus fluxes and budgets vary across agricultural production systems and are useful resources to improve P use efficiency and develop management strategies to mitigate environmental impacts of agricultural systems. P-FLUX is available for download through the USDA Ag Data Commons (https://doi.org/10.15482/USDA.ADC/1523365).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».