MétaCan
Menu
Retour à la cohorte
Enregistrement W4293579976 · doi:10.15454/1.517407043672525e12

Concilier la réduction de la lixiviation nitrique, la restitution d’azote à la culture suivante et la gestion de l’eau avec les cultures intermédiaires.

2017· preprint· en· W4293579976 sur OpenAlexaff
Julie Constantin, Nicolas Beaudoin, Nicolas Meyer, Romain Crignon, Hélène Tribouillois, Bruno Mary, Éric Justes

Notice bibliographique

RevueProdinra (INRA Bordeaux-Aquitaine) · 2017
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Nitrogen Removal
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

Sown in the summer/early autumn, multi-services cover crops trap mineral nitrogen from the soil before the drainage period. For this reason, they are one of the tools in the Nitrate Directive to limit nitrate pollution of aquifers coming from agriculture. Cover crops are very effective to limit these losses, up to 90% of reduction as compared to bare soil during the fallow period. This efficacy is increased when cover crop is non-legume (although legumes remain effective) and growing period is long. However, high biomass reduces drainage by increasing evapotranspiration, which can be a problem for water resource. Nevertheless, cover crops generally do not reduce available water for the subsequent cash crop, except if destruction is too late. At destruction, cover crops release mineral nitrogen, more quickly as their C/N is low and up to 50% of the nitrogen uptake within the following 6 months. Depending on the intensity of leaching and the amount of nitrogen absorbed by the cover crop, nitrogen pre-emptive effects can be observed, particularly in dry climate, requiring compensation with mineral fertilization. In the long term, a positive effect on the subsequent crop is observed, due to a higher organic matter content of the soil and increased mineralization. To better combine the different services offered by cover crops, local adaptation is needed, according to the pedoclimatic conditions and specific objectives during fallow period.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 GPT0,296
Écart entre enseignants0,283 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProdinra (INRA Bordeaux-Aquitaine)Même sujetWastewater Treatment and Nitrogen RemovalTravaux en français237 207