MétaCan
Menu
Retour à la cohorte
Enregistrement W4225830766 · doi:10.1590/s1678-3921.pab2022.v57.01453

Distribution of agromineral resources in space and time – a global geological perspective

2022· article· en· W4225830766 sur OpenAlexaff
Peter van Straaten

Notice bibliographique

RevuePesquisa Agropecuária Brasileira · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueClay minerals and soil interactions
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGeologyGeochemistrySedimentary rockIgneous rockEarth scienceMetamorphic rockGlauconiteSchist

Résumé

récupéré en direct d'OpenAlex

Abstract Agromineral resources are minerals and rocks used to improve soil productivity and health. These resources can be applied: indirectly, by extracting and concentrating one or more minerals by industrial processes for the production of conventional, highly soluble fertilizers; and directly, without processing, except fine grinding, for direct soil application. Agromineral resources include sedimentary phosphates, limestones/dolostones, potash and glauconite-bearing rocks of sedimentary origin, basaltic rocks, phonolites, kamafugites, and glass-rich mafic rocks of igneous origin. Among metamorphic agromineral resources, marble and biotite schist stand out. However, agromineral resources are not equally distributed on Earth’s surface, occurring more in one area than in another, and have accumulated in various geotectonic settings related to plate tectonics, being formed in specific geological time periods in Earth’s history. Therefore, these resources occur in specific “agromineral provinces” and were formed during specific “agromineral epochs”. This paper provides a conceptual framework for agromineral resource distribution in time and space. Agrominerals have a high potential to be used as directly applied soil amendments and soil remineralizers for new and innovative farming strategies, provided the amendments are low or free of contaminants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,862
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,013
Tête enseignante GPT0,263
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 tête enseignante, pas un consensus.

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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePesquisa Agropecuária BrasileiraMême sujetClay minerals and soil interactionsTravaux en français237 207