MétaCan
Menu
Retour à la cohorte
Enregistrement W4388027727 · doi:10.53555//sfs.v9i1.1748

Study Of Flora And Soil Quality Of Selected Chromite Mining OB Dumps In Sukinda, Odisha, India.

2022· article· en· W4388027727 sur OpenAlexvenueno aff
Sudhamayee Behura

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil and Environmental Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTailingsEnvironmental scienceVegetation (pathology)Ecological successionCoal miningEcosystemAgroforestryMining engineeringEcologyEnvironmental protectionGeographyCoalGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

The nature plays a very significant role in the maintenance of ecological order of the ecosystem. The forests, occupy unique position because of its renewable nature. Forests also preside protection to other resources and crops. The species diversity in a plant community increases with the decrease in anthropogenic disturbances. As a result of mining and coal combustion significant areas of land are degraded and acting ecosystems are replayed by undesirable waste materials in the form of dumps, tailing dams and ash dams. The dumping of mine tailings and other rejected materials (referred to as overburden, OB) generated from opencast metal mines is considered as a major contributor to the ecological and environnemental degradation. Plant communities are often subjected to disturbances and these conditions may facilitate co-existence and maintain high diversity. To understand the influence of disturbances on vegetation, their spatial and temporal dimension, frequency of occurrence and magnitude has to be considered. Relatively more biological rich area was observed where the disturbance is low. The Indian Bureau of mines (2000) has recommended ecorestoration of dump as a part of natural succession process and it should be started with sowing of seeds of legumes, grasses, herbs and shrubs in the inter-spacing of tree plantation.

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 enseignants0,042
Score d'incertitude au seuil0,083

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 Opus0,196
Tête enseignante GPT0,267
Écart entre enseignants0,071 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetSoil and Environmental StudiesTravaux en français237 207