MétaCan
Menu
Retour à la cohorte
Enregistrement W1963868408 · doi:10.2480/agrmet.65.1.2

Seasonal and Annual Water Balance of Agricultural Land in Tokachi, Hokkaido, Japan

2009· article· en· W1963868408 sur OpenAlexaff
Tomoyoshi Hirota, Yukiyoshi Iwata, M. Nemoto, Takahiro Hamasaki, Ryoji Sameshima, Masaki Hayashi

Notice bibliographique

RevueJournal of Agricultural Meteorology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSnowmeltSnowEnvironmental sciencePrecipitationWater balanceHydrometeorologyLeaching (pedology)Hydrology (agriculture)Period (music)Snow coverGroundwaterSoil waterAtmospheric sciencesClimatologySoil scienceGeologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Soil water balance determines the accumulation and leaching of solutes in the surface soil. In cold regions, where agricultural land is covered with snow in winter, the soil water balance has not been as thoroughly investigated as in warm regions due to the difficulty of conducting continuous and accurate winter field observation in cold environments. In this study, annual water balance at Tokachi, Hokkaido, Japan was evaluated including snow-covered periods using a comprehensive hydrometeorological observation system developed for cold region application. During the period from October 20, 2004 to October 19, 2005, the ground was covered with snow for a total of 130 days. Annual precipitation during the study period was 799 mm and estimated evaporation was 591 mm. During the snow-covered period, precipitation was 260 mm, accounting for only 32.5% of the annual precipitation; however, precipitation excess was large (236 mm) due to very small evaporation (24 mm), and the bulk of it infiltrated rapidly during the four-week snowmelt period. This observation suggests that the leaching of soil solutes occurs almost exclusively during the snowmelt period, and that the agricultural soil environment in this region is strongly affected by the water balance in the snow-cover 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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,194
Écart entre enseignants0,191 · 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

Citations3
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural MeteorologyMême sujetSoil Moisture and Remote SensingTravaux en français237 207