MétaCan
Menu
Retour à la cohorte
Enregistrement W1965574799 · doi:10.4141/cjss07032

Modelling nitrogen leaching in Prince Edward Island under climate change scenarios

2008· article· en· W1965574799 sur OpenAlexvenueaboutno aff
R. De Jong, Budong Qian, Jing Yang

Notice bibliographique

RevueCanadian Journal of Soil Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeaching (pedology)Environmental scienceClimate changeGrowing seasonAgricultureNitrogenLeaching modelHydrology (agriculture)Soil waterAgronomySoil fertilitySoil scienceGeographyChemistryEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Projected climate change in Canada and its impact on crop yield and production have been studied, but the impacts on soil and water quality are less well known. The objective of this study was to model and evaluate the potential impacts of climate change on soil nitrogen (N) leaching in Prince Edward Island. Residual soil nitrogen (RSN), the quantity of inorganic soil N at the time of harvest, was calculated from an annual N budget, based on Census of Agriculture data. RSN was "added" to the soil in the fall and subject to leaching until the start of the next growing season. Water and N movement in and through the soil were calculated with a modified version of the Versatile Soil Moisture Budget. The provincial averages of RSN and N leaching under historic (1971–2000) climate and management conditions were calculated to be 30.8 kg N ha-1 and 27.9 kg N ha-1, i.e. , 91% of the RSN was lost via leaching. With no changes in agricultural practices, N leaching under four climate change (2040–2069) scenarios remained very similar (± 1%) to that simulated under historic climatic conditions. With agricultural intensification, in response to climate change and economic conditions, RSN levels increased to 35.7 kg N ha-1 and estimates of soil N leaching increased by 5 to 30% beyond historic levels. Key words: Residual soil nitrogen, versatile soil moisture budget, climate change impacts, agricultural adaptation, water contamination

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,039
Tête enseignante GPT0,222
Écart entre enseignants0,183 · 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'étudeSimulation ou modélisation
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

Citations25
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207