MétaCan
Menu
← Retour à la cohorte
Enregistrement W7096894976

Review Greenhouse

2015· article· en· W7096894976 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasSoil carbonRangelandTillageClimate changeCyclingNitrous oxideAgricultureCroppingSoil water
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

gas contributions and mitigation potential www.elsevier.com/locate/still Soil & Tillage Research 83 (2005) 25–52Concern over human impact on the global environment has generated increased interest in quantifying agricultural contributions to greenhouse gas fluxes. As part of a research effort called GRACEnet (Greenhouse Gas Reduction through Agricultural Carbon Enhancement Network), this paper summarizes available information concerning management effects on soil organic carbon (SOC) and carbon dioxide (CO2), nitrous oxide (N2O), and methane (CH4) fluxes in cropland and rangeland in northwestern USA and western Canada, a region characterized by its inherently productive soils and highly variable climate. Continuous cropping under no-tillage in the region increased SOC by 0.27 0.19 Mg C ha1 yr1, which is similar to the Intergovernmental Panel on Climate Change (IPCC) estimate for net annual change in C stocks from improved cropland management. Soil organic C sequestration potential for rangelands was highly variable due to the diversity of plant communities, soils, and landscapes, underscoring the need for additional long-term C cycling research on rangeland. Despite high variability, grazing increased SOC by 0.16 0.12 Mg C ha1 yr1 and converting cropland or reclaimed mineland to grass increased SOC by 0.94 0.86 Mg C ha1 yr1. Although there was generally poor geographical coverage throughout the region with respect to estimates of N2O and CH4 flux, emission of N2O was greatest in irrigated cropland, followed by non-irrigated cropland, and

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,510

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,1530,081

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 Opus0,052
Tête enseignante GPT0,248
Écart entre enseignants0,197 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→