MétaCan
Menu
Retour à la cohorte
Enregistrement W1942555460 · doi:10.4141/cjss09095

Transport of phosphorus and nitrogen in surface runoff in a corn silage system: Paired watershed methodology and calibration period results

2011· article· en· W1942555460 sur OpenAlexvenueno aff
William E. Jokela, Michael D. Casler

Notice bibliographique

RevueCanadian Journal of Soil Science · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesAgricultural Research ServiceU.S. Geological SurveyU.S. Department of Agriculture
Mots-clésSurface runoffEnvironmental scienceManureHydrology (agriculture)WatershedTillageSilageEutrophicationPhosphorusAgronomySedimentNutrientChemistryEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Jokela, W. E and Casler, M. D. 2011. Transport of phosphorus and nitrogen in surface runoff in a corn silage system: Paired watershed methodology and calibration period results. Can. J. Soil Sci. 91: 479–491. Transport of P, N, and sediment via runoff from crop fields, especially where manure has been applied, can contribute to eutrophication and degradation of surface waters. We established a paired-watershed field site to evaluate surface runoff losses of nutrients and sediment from different manure/crop/tillage management systems for silage corn production. During the 2-yr calibration period the four 1.6-ha watersheds, or fields, were treated identically with fall dairy manure application and chisel plowing, and runoff was monitored, sampled, and analyzed for suspended sediment (SS) and total and dissolved forms of P and N. That management was maintained as a control in one watershed, while alternative management systems were initiated on the three treatment fields. During the calibration period both concentrations and loads of SS and total and dissolved P and N varied by field and over 50% of runoff and dissolved P and N was from snowmelt runoff. Linear regressions of treatment fields against the control field were highly significant for runoff and concentrations and loads of all constituents. The estimated minimum detectable change (difference between means) was 10 to 30% for most parameters, suggesting a reasonable probability of success in detecting change in the treatment period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,208
Écart entre enseignants0,177 · 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 tête enseignante, 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

Citations34
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207