MétaCan
Menu
Retour à la cohorte
Enregistrement W4251663539 · doi:10.1016/s1365-6937(16)70016-5

Alfa Laval AB, Sweden

2016· article· en· W4251663539 sur OpenAlexaboutno aff

Notice bibliographique

RevueFiltration Industry Analyst · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUreaNitrateNutrientNitrogenPhotosynthesisChemistryBioavailabilityEnvironmental chemistryChlorophyllChlorophyll aEC50BotanyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Nitrogen nutrients and nickel(Ni) are ubiquitous in aquatic environments, and they are important for primary production of ocean ecosystem. This study examined the interaction of nitrogen nutrients (specifically urea and nitrate) and Ni on chlorophyll (Chl a) concentration and photosynthesis parameters values of Prorocentrum donghaiense and Skeletonema costatum. The data presented here indicate that low concentration of Ni for P. donghaiense and S. costatum can enhance both Chl a concentration and photosynthesis parameters values when grown in urea containing environment. Despite this increase there was also an observed depression in both species tested when incubated in high concentration of Ni for P. donghaiense and S. costatum regardless of incubating in urea or nitrate. Additionally, EC50 values of Chl a and Fv/Fm for Ni at different time intervals were calculated in this study. These observations indicated that the Ni tolerance was higher in P. donghaiense as compared to S. costatum. The Ni tolerance of P. donghaiense incubated in urea was higher than that incubating in nitrate. The same phenomenon was not observed in S. costatum, which indicated that the influence of urea was dependent on the species investigated. Thus, urea input could impact Ni bioavailability and toxicity, and then affect the biodynamics thereafter.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil0,869

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3910,467

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 Opus0,027
Tête enseignante GPT0,264
Écart entre enseignants0,237 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFiltration Industry AnalystMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207