MétaCan
Menu
Retour à la cohorte
Enregistrement W4394717638 · doi:10.21203/rs.3.rs-4096876/v1

Bacterial community response in Juye mining area at the early stage of cracks

2024· preprint· en· W4394717638 sur OpenAlexaff
Chunying Guo, Shougan Lu, Hui Wang, Xin Xiao, Ruoxi Qian, Yu Xiao

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueGeomechanics and Mining Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésStage (stratigraphy)GeologyPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Due to the sensitivity of microorganisms to the environment, microorganisms with strong tolerance in the early stage of coal mining collapse will gradually move to a dominant position, and plants can improve soil quality and provide important carbon sources for microorganisms. The soil characteristics and the response of soil bacteria in the early cracks during 15 ~ 20 days of mining were studied. Compared with non-cracked farmland group (C), soil bulk density in cracked farmland group (F) increased significantly in the early stage of coal mining,while porosity was on the contrary (p < 0.05). The mineral elements (except Ca and Na) in F were significantly lower than those in cracked abandoned land group (A).The abundance of the microbial community might be more closely related to crop planting, while the evenness of the microbial community was more affected by cracks. Coal mining cracks make Proteobacteria enrich significantly, while crop planting is conducive to the enrichment of RB41 and Pir4_lineage. Soil moisture content and AN were significantly negatively correlated with the relative abundance, while pH was significantly positively correlated with it. Planctomycetes and Bacteroidetes, which were significantly enriched in the non-crack area, were significantly positively correlated with AP, while Thaumarchaeot was significantly positively correlated with Eh. The study provided a basis for improving the low ecological environment damage mining technology.

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 enseignants0,003
Score d'incertitude au seuil0,005

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 technologies0,0000,000
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 Opus0,067
Tête enseignante GPT0,335
Écart entre enseignants0,268 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetGeomechanics and Mining EngineeringTravaux en français237 207