MétaCan
Menu
Retour à la cohorte
Enregistrement W4230933189 · doi:10.1002/047147844x.gw1121

Subsurface Drainage

2004· other· en· W4230933189 sur OpenAlexaboutno aff

Notice bibliographique

RevueWater Encyclopedia · 2004
Typeother
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrainageWaterlogging (archaeology)Environmental scienceHydrology (agriculture)Land reclamationWatertable controlAgricultural landAgricultureNatural (archaeology)Water resource managementLand useWetlandSoil salinityGeographySoil waterGeologySoil scienceEngineeringEcologyCivil engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The basic reason for agricultural lands to be affected by waterlogging and salinity is the inadequacy of the natural drainage system to handle the water that reaches the land either by natural or artificial means. Under such situations, an artificial drainage system has to be provided. The meaning of land drainage varies in different regions and contexts. A geographer or a surface hydrologist may use it to mean the pattern of natural watercourses in a hilly area. A pedologist may think in terms of the permeability of a poorly drained or well‐drained soil. In Peru, engineers interpret drainage as reconstruction of natural waterways rather than removal of water. In Canada, it may mean reclamation of marshland for agricultural or urban development. In Holland, a Dutch farmer may use it for the installation of drainpipe in the soil. Thus, in different areas, this term implies different meanings and objectives. If the land use is primarily agricultural then land drainage could be defined as the establishment and operation of a system by which the flow of water from the soil is enhanced, so that agriculture can benefit from the subsequently reduced or controlled water level in the soil. Agricultural land drainage aims at reclaiming and conserving land for agriculture, to increase crop yields, to permit cultivating more than one crop in an area, and to reduce the cost of production.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,998

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)0,0290,003

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 Opus0,008
Tête enseignante GPT0,187
Écart entre enseignants0,178 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater EncyclopediaMême sujetSoil erosion and sediment transportTravaux en français237 207