MétaCan
Menu
Retour à la cohorte
Enregistrement W4398200921 · doi:10.13031/ja.15542

Long-Term Benefits of Controlled Drainage

2024· article· en· W4398200921 sur OpenAlexaffabout
Chandra A. Madramootoo, Mfon Essien, Kosoluchukwu Ekwuknife

Notice bibliographique

RevueJournal of the ASABE · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensMcGill UniversitySte. Anne's Hospital
Organismes subventionnairesnon disponible
Mots-clésTerm (time)DrainageEnvironmental scienceEcologyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Highlights Controlled drainage increased grain yields in drier than normal years. Monthly precipitation has a strong influence on crop yields. In normal and wetter than normal years, controlled drainage could be detrimental to crop yields. Controlled drainage generally reduced nitrous oxide emissions and leaching of nitrates in drain outlets. Abstract. Conventional tile drainage is essential for crop production in Eastern Canada. It is of increasing interest for cereal and grain producers, especially in light of potential agronomic and environmental benefits. Based on data collected over a 13-year period at an intensive maize production site in southern Quebec, we found that controlled drainage has an overall positive effect on grain yield. In some years, depending on precipitation intensities and timing, nitrous oxide (N2O) fluxes under controlled drainage were greater than under conventional tile drainage. In other years, controlled drainage had 43% lower N2O emissions. Controlled drainage significantly reduced NO3-N contamination and tended to increase crop yield. It can be a beneficial management practice to be adopted on subsurface-drained croplands. Keywords: Controlled drainage, Crop yield, Environment, Greenhouse gases, Subsurface drainage, Water quality.

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)0,001
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,212 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the ASABEMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207