Nutrient loss from Saskatchewan cropland and pasture in spring snowmelt runoff
Notice bibliographique
Résumé
Cade-Menun, B. J., Bell, G., Baker-Ismail, S., Fouli, Y., Hodder, K., McMartin, D. W., Perez-Valdivia, C. and Wu, K. 2013. Nutrient loss from Saskatchewan cropland and pasture in spring snowmelt runoff. Can. J. Soil Sci. 93: 445–458. To develop appropriate beneficial management practices (BMPs) for a watershed, it is essential to quantify the nutrients lost from agricultural fields and to identify the mechanisms of nutrient transport. To determine appropriate BMPs for a watershed in southeastern Saskatchewan, nutrient concentrations were measured in spring 2010 in snowmelt runoff from fertilized annual cropland (zero till) and perennial tame pastures. The majority of nutrient loss was in dissolved form, rather than as particulates. Significantly more nitrogen (N) was lost from pastures as dissolved ammonium than from cropland, while significantly more dissolved organic N was lost from croplands. Although there were no significant differences in total phosphorus (P) loss, there were significantly higher concentrations of dissolved reactive P in runoff from cropland, and significantly higher particulate P in runoff from pastures. Total carbon (C) in runoff was higher from cropland, due mainly to significantly higher dissolved organic C concentrations. Runoff from cropland contained significantly higher concentrations of dissolved potassium and sulfur, reflecting the fertilization of cropland fields with these nutrients. These preliminary results demonstrate that nutrients may be transported from agricultural lands by different mechanisms (e.g., in dissolved versus particulate forms) as a function of cropping system, requiring the development of specific types of BMPs to best control nutrient losses.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».