MétaCan
Menu
Retour à la cohorte
Enregistrement W6982789608

Kastelutarpeen lisääntyminen pohjoisilla viljelyalueilla

2024· other· fi· W6982789608 sur OpenAlexaboutno aff

Notice bibliographique

RevueAaltodoc (Aalto University) · 2024
Typeother
Languefi
DomaineEnvironmental Science
ThématiqueAmerican Environmental and Regional History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Quarter (Canadian coin)Population ageing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Kastelun merkitys viljelyssä on globaalisti suuri. Pohjoisilla viljelyalueilla kastelu ei kuitenkaan usein ole välttämätöntä, ja nykyisillään vain pientä osuutta pelloista kastellaan. Suomessa peltojen vesienhallinta on tähän asti perustunut pitkälti kuivatukseen, mutta huomio on siirtynyt myös kastelun mahdollisiin hyötyihin. Erityisesti ilmastonmuutos on lisännyt kiinnostusta kastelua kohtaan menetelmänä varautua muutoksiin viljelyalueiden vesitaloudessa. Kastelua suunniteltaessa täytyy huomioida monia asioita, kuten kasvin vedentarve, maaperän ominaisuudet sekä ilmasto ja veden saatavuus. Kastelumenetelmiä on useita, ja niiden soveltuvuus voi vaihdella kohteen ominaisuuksien ja investointimahdollisuuksien mukaan. Hyvä kastelumenetelmä mahdollistaa sopivan maankosteuden saavuttamisen vähällä hukkavedellä ja on realistisesti toteutettavissa. Työssä pyrittiin selvittämään, kuinka kasteluntarve tulee Suomessa muuttumaan ja millaisia vaihtoehtoja kastelun toteuttamiseksi on, sekä arvioitiin, mitkä kastelumenetelmät ovat sopivimpia Suomen oloissa. Työ toteutettiin kirjallisuustutkimuksena. Kirjallisuuden perusteella kastelutarpeen kehittymiseen liittyy paljon epävarmuutta, mutta ennuste on, että ilmastonmuutos tulee vaikuttamaan kasvukauteen monin tavoin ja sään kausittaisuuteen sekä sääilmiöiden äärevöitymiseen tulee varautua. Suomesta jo laajalti löytyviä salaojajärjestelmiä voi olla järkevää muokata kasteluun sopiviksi.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,341

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0060,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1020,034

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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 revueAaltodoc (Aalto University)Même sujetAmerican Environmental and Regional HistoryTravaux en français237 207