MétaCan
Menu
← Retour à la cohorte
Enregistrement W7018120398

Comparing Constant and Variable Rate Applications of Solid Cattle Manure on Greenhouse Gas Emissions From Dark Brown Chernozems

2021· other· en· W7018120398 sur OpenAlexaff

Notice bibliographique

RevueUniversity Library (University of Saskatchewan) · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésManureNitrous oxideGreenhouse gasMethaneWatershedCarbon dioxideHydrology (agriculture)Feedlot
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Although field application of solid cattle manure (SCM) is an alternative, low-cost nitrogen (N) source to conventional synthetic fertilizers, gaseous losses of manure-N, occurring via volatilization and denitrification, are well documented. However, the effect of variable rate application of SCM on gaseous N emissions at a landscape-scale has received less attention. The objective of this study was to compare the nitrous oxide (N2O), carbon dioxide (CO2), and methane (CH4) fluxes from watershed basins within the same field, with and without the addition of fresh feedlot SCM applied at either constant blanket or variable landscape-adjusted rates. Gas samples were collected in 2019 and 2020 with gas sampling locations further classified according to their catchment area size. The non-manured watershed basins had low cumulative N2O and CO2 emissions, and were strong CH4 sinks compared to manured basins. Additionally, basins receiving the Variable Rate manure application had lower N2O emissions than those receiving the Constant Rate manure application. The low elevation, larger catchment area landscape positions contributed proportionally more to cumulative N2O and CO2 emissions, along with reduced CH4 consumption, compared to the smaller catchment areas higher in the landscape, due to greater soil moisture and organic matter content within those depressional soils.

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 enseignants0,088
Score d'incertitude au seuil0,175

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
Bibliométrie0,0000,001
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 Opus0,011
Tête enseignante GPT0,184
Écart entre enseignants0,172 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity Library (University of Saskatchewan)→Travaux en français237 207→