Partição de substâncias húmicas em solos brasileiros
Bibliographic record
Abstract
As substâncias húmicas (SH) representam o principal reservatório de carbono orgânico total do solo (COT) e sua partição entre diferentes frações de solubilidade em meio alcalino ou ácido pode guardar relação com o tipo de solo e manejo adotado. O objetivo deste trabalho foi comparar a partição das SHs, de acordo com profundidade, tipo de solo, bioma e uso do solo no Brasil. Revisou-se a literatura, incluindo teses, dissertações, artigos e resumos em anais de eventos, em busca de dados sobre o teor de COT, sua porcentagem como ácidos húmicos (AH), ácidos fúlvicos (AF) e humina (HU) e a razão AH/AF. Os dados foram estratificados por intervalos comparáveis de profundidades (0-5, 5-10, 0-20, 20-50, 50-100 e >100 cm), biomas (Mata Atlântica, Cerrado, Amazônia, Pampa e Caatinga), ordem de solo (Argissolo, Latossolo, Cambissolo, Planossolo, Neossolo, Gleissolo e Organossolo) e principais usos do solo (florestas nativas, pastagem natural, pastagem plantada, eucalipto, culturas perenes e anuais). Os dados foram analisados por estatística descritiva, correlações de Spearman e análise de componentes principais (ACP). Nos Argissolos, Latossolos e Organossolos, a fração HU contribuiu com metade do COT, tendendo a diminuir em profundidade. Para Latossolos e Organossolos, a fração AF tendeu a aumentar em profundidade. Em Neossolos, a fração AH aumentou em profundidade, embora tenha diminuído em Gleissolos e Planossolos. A razão AH/AF geralmente diminui em profundidade. Pela ACP, não foi possível identificar um padrão de agrupamento das amostras em razão do tipo de bioma e uso do solo, sugerindo que a partição das SHs tem baixo potencial como indicador de efeitos do manejo ou condições ambientais, embora seja útil para discriminar processos de humificação em algumas ordens de solo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".