MétaCan
Menu
Retour à la cohorte
Enregistrement W4297014652 · doi:10.1139/cjss-2022-0026

Perennial grain Kernza<sup>®</sup> fields have higher particulate organic carbon at depth than annual grain fields

2022· article· en· W4297014652 sur OpenAlexvenueno aff
Laura K. van der Pol, Brian Nester, Brandon Schlautman, Timothy E. Crews, M. Francesca Cotrufo

Notice bibliographique

RevueCanadian Journal of Soil Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRangeland and Wildlife Management
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of AgricultureNational Institute of Food and AgricultureNational Science Foundation
Mots-clésPerennial plantParticulatesParticulate organic carbonSoil carbonEnvironmental scienceOrganic matterTotal organic carbonCarbon fibersCarbon sequestrationParticulate organic matterAgronomyEnvironmental chemistrySoil scienceSoil waterChemistryCarbon dioxideNutrientMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Conversion from annual to perennial grains such as intermediate wheatgrass Kernza ® could sequester soil organic carbon (SOC). To date, no studies have quantified SOC under Kernza on working farms. We sampled three sites with paired fields under annual grains and converted to Kernza 5–17 years ago to 100 cm and compared their SOC stocks as distributed between mineral-associated organic matter (MAOM) and particulate organic matter (POM). POM-C was higher under Kernza cultivation but total and MAOM-C were similar. Our findings suggest that Kernza increases SOC at depth as POM. Further study is needed to assess whether this will result in long-term SOC sequestration.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · 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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetRangeland and Wildlife ManagementTravaux en français237 207