MétaCan
Menu
Retour à la cohorte
Enregistrement W4285149811 · doi:10.15666/aeer/2003_23652379

SOIL QUALITY AND GROWTH PERFORMANCE OF CROPS OF AGROECOSYSTEMS IN THE VICINITY OF FLUORITE MINING

2022· article· en· W4285149811 sur OpenAlexaff
Inam Ullah Khan, Tasawar Ali Chandio, S. GUL, Umbreen Shaheen, Gul Bano Rehman, Seerat Jan

Notice bibliographique

RevueApplied Ecology and Environmental Research · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAgroecosystemFluoriteEnvironmental scienceAgroforestrySoil qualityAgronomySoil scienceAgricultureChemistrySoil waterGeographyBiologyArchaeology

Résumé

récupéré en direct d'OpenAlex

This study investigated the influence of fluoride on the number of macrofauna species on the soil surface and in the upper soil layer (0-10 cm depth) and crop growth performance on agricultural lands in the vicinity of fluorite mining activities in District Loralai, Balochistan, Pakistan.Results demonstrated that ants were sensitive to the fluoride above the concentration of 55 mg kg -1 soil; whereas, grasshoppers, crickets, spiders and toothed earwigs were tolerant to high fluoride concentrations (e.g.74 mg kg -1 soil).The concentration of fluoride in soil was positively correlated with the concentration of fluoride in vegetables (R 2 = 0.75; P≤0.05 for leaves, R 2 = 0.48 P≤0.05 for fruits, R 2 = 0.81 P≤0.05 for stems and R 2 = 0.61 P≤0.05 for roots).Crop growth performance parameters such as yield and nutrient efficiency ratios concerning nitrogen and phosphorus had no obvious relationships with the concentrations of soil organic matter or fluoride in soil.These results conclude that concentration of fluoride in soil might have had negative influence on soil fauna and crop growth performance as no relationship was found between these parameters with the soil quality indicator i.e. soil organic matter.

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 enseignants0,026
Score d'incertitude au seuil0,051

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,274
Écart entre enseignants0,236 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Ecology and Environmental ResearchMême sujetMining and Gasification TechnologiesTravaux en français237 207