MétaCan
Menu
Retour à la cohorte
Enregistrement W4403479258 · doi:10.3390/seeds3040037

Biochar and Deactivated Yeast as Seed Coatings for Restoration: Performance on Alternative Substrates

2024· article· en· W4403479258 sur OpenAlexaff
Jennifer Cann, Esther P.Y. Tang, Sean C. Thomas

Notice bibliographique

RevueSeeds · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBiocharYeastPulp and paper industryEnvironmental scienceMaterials scienceAgroforestryChemistryEngineeringOrganic chemistryBiochemistryPyrolysis

Résumé

récupéré en direct d'OpenAlex

Seedling establishment is often a critical bottleneck in the revegetation of mine tailings and similar substrates. Biochar and deactivated yeast are potential sustainable materials that could be used in this context as seed coatings to aid in seedling establishment. We conducted a greenhouse study on biochar and deactivated yeast use as seed coatings, assessing germination, establishment, and early growth of white clover (Trifolium repens) and purple prairie clover (Dalea purpurea). Coated seeds were applied to a mine tailing, a coarse granitic sand, and potting soil mix substrates; seedling establishment and growth were monitored over 75 days. Biochar coatings enhanced the seedling establishment of Trifolium, with biochar and biochar plus yeast coatings giving the best results. In some cases, these effects persisted throughout the experiment: biochar coatings resulted in a ~fivefold increase in Trifolium biomass at harvest for plants in the potting soil mix but had neutral effects on sand or tailings. Biochar seed coatings also enhanced Dalea germination in some cases, but the benefits did not persist. Our results indicate that biochar-based seed coatings can have lasting effects on plant growth well beyond germination but also emphasize highly species-specific responses that highlight the need for further study.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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 Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,220 · 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'étudeExpérimental (laboratoire)
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 revueSeedsMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207