MétaCan
Menu
Retour à la cohorte
Enregistrement W4408878817 · doi:10.3390/urbansci9040090

Assessing the Physical Stability of Soil Organic Carbon in Roadside Ecosystems

2025· article· en· W4408878817 sur OpenAlexaffabout
Nour Srour, Évelyne Thiffault, Jean‐François Boucher

Notice bibliographique

RevueUrban Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversité du Québec à ChicoutimiUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEcosystemSoil carbonEnvironmental scienceStability (learning theory)Environmental resource managementEarth scienceSoil scienceEcologyComputer scienceGeologySoil waterBiology

Résumé

récupéré en direct d'OpenAlex

Understanding the factors controlling the stability of soil organic carbon stocks, notably in urban areas such as roadsides, can contribute to a better quantification of the ecosystem services that these areas can provide, a key to improving urban planning and management. This study assessed soil carbon stability based on physical fractions in roadside ecosystems of southern Quebec, Canada. We measured the carbon content of soil mineral-associated (MAOC) and particulate (POC) organic carbon physical fractions of roadsides with different land uses and investigated relationships with road density, soil concentration of heavy metals, and soil salinity. We used the MAOC/POC ratio to evaluate the carbon storage potential of each physical fraction. The stable physical fraction MAOC contained a higher carbon content than the labile soil fraction POC across different depths. The MAOC/POC ratio was higher for sites with a more recent history of agriculture abandonment. MAOC was positively linked to road density, soil salinity, and heavy metal concentration. This study suggested that roadside soils have a high capacity to store carbon in a stable form. Additionally, the chemical properties of roadside soils did not adversely affect the physical stability of soil carbon, especially in the top mineral soil.

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 enseignants0,791
Score d'incertitude au seuil0,420

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 technologies0,0010,000
Communication savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207