MétaCan
Menu
Retour à la cohorte
Enregistrement W7061693328

Rakennekalkituksen mahdollisuudet Etelä-Suomen savipeltojen fosforikuormituksen vähentäjänä

2019· other· fi· W7061693328 sur OpenAlexaboutno aff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2019
Typeother
Languefi
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Quarter (Canadian coin)Subject (documents)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Itämeren rehevöitymisongelman yksi osa on maataloudesta peräisin olevan fosforin huuhtoutuminen jokien kautta Itämereen. Savipeltojen fosforimäärä on yleensä erityisen suuri ja savimaan eroosio sekä fosforin huuhtouma ovat suuria, mikäli myös maan rakenne on huono. Etelä-Suomessa on runsaasti savipitoisia peltoja, joiden fosforihuuhtoumaan on mahdollista vaikuttaa rakennekalkituksella. Ruotsalaistutkimuksista saatujen tulosten perusteella laskettuna kokonaisfosforin huuhtoumaa savimailta on mahdollista vähentää 23–53 %, kun rakennekalkitus suoritetaan oikein. \n \nHELCOM:n tavoite Itämeren hyvän tilan saavuttamiseksi edellyttää typen ja fosforin huuhtouman vähentämistä. Fosforihuuhtouman Suomelle asetettu vähennystavoite on 330 tonnia fosforia per vuosi, josta yli 165 tonnia on vielä saavuttamatta. Suomen vähennystavoite on kohdennettu Suomenlahdelle. \n \nSuomenlahteen laskevien jokien valuma-alueella ELY-keskusten alueiden perusteella laskettuna on noin 248 tuhatta hehtaaria savipeltoa, ja näiltä pelloilta huuhtoutuvan kokonaisfosforin määrä on laskennallisesti vaihteluvälillä 123–400 tonnia vuodessa. \n \nTästä määrästä rakennekalkituksella pystyisi vähentämään vähintään 28 tonnia kokonaisfosforia (123 tonnista per vuosi, minimivähennyksellä 23 %) ja enintään 212 tonnia kokonaisfosforia (400 tonnista per vuosi, maksimivähennyksellä 53 %). HELCOM:n kokonaisfosforin jäljellä olevasta vähintään 165 tonnia vuodessa vähennystavoitteesta tämä tarkoittaisi vähintään 17 % ja enintään 128 % tulosta Suomenlahden fosforimäärän vähennyksessä, mikäli kaikki Uudenmaan, Hämeen ja Kaakkois-Suomen ELY-keskusten alueiden savipellot rakennekalkittaisiin onnistuneesti.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0810,020

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 Opus0,018
Tête enseignante GPT0,266
Écart entre enseignants0,248 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)Même sujetMagnetic confinement fusion researchTravaux en français237 207