MétaCan
Menu
Retour à la cohorte
Enregistrement W1601768265 · doi:10.1111/gwmr.12083

Effects of Fall vs. Spring Plowing Forages on Nitrate Leaching Losses to Groundwater

2014· article· en· W1601768265 sur OpenAlexfundno aff
Yefang Jiang, Terra Jamieson, Judith Nyiraneza, George Somers, Barry Thompson, Brian J. Murray, M. Grimmett, Xiaoyuan Geng

Notice bibliographique

RevueGroundwater Monitoring & Remediation · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésPloughLeaching (pedology)Environmental scienceAgronomyNitrateForageGroundwaterSoil waterSoil scienceBiologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract High levels of nitrate leaching losses from potato rotation systems have caused concerns for both drinking water quality and aquatic ecosystem protection in Prince Edward Island ( PEI ). Paired‐field experiments were carried out in commercial fields to evaluate the potential of delayed plowing forages within potato rotation from fall to spring on reducing nitrate leaching at two separate sites in PEI during 2010 and 2013. Monitoring showed that fall plowing resulted in elevated tile‐drain nitrate concentrations compared to spring plowing, probably mainly due to crop residue mineralization during fall which was hastened by earlier herbicidal termination of forage (i.e., herbicidal killing) at Site 1. A similar trend was also observed regarding nitrate concentrations of shallow groundwater at Site 2 during the forage phase. The practice of delaying the plowing of forages and/or associated earlier herbicidal termination of forage until spring reduces forage‐phase nitrate leaching loss by 20 to 61%, and should therefore be encouraged for nitrate mitigation. The study also demonstrated that only a small fraction (9.6 to 22%) of the fall plow‐down forages decayed during the forage phase and a large portion was retained in the soil into the next season. Growers should consider accounting for some of the carried‐over N for the subsequent crops regardless implementing fall or spring plowing.

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 enseignants0,015
Score d'incertitude au seuil0,030

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
Bibliométrie0,0000,000
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 Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGroundwater Monitoring & RemediationMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207