Spatial distribution and content of soil organic matter in an agricultural field in eastern Canada, as estimated from geostatistical tools
Notice bibliographique
Résumé
Abstract Soil erosion induces soil redistribution within the landscape and thus contributes to the spatial variability of soil quality. This study complements a previous experimentation initiated by the authors focusing on soil redistribution as a result of soil erosion, as indicated by caesium‐137 ( 137 Cs) measurements, in a small agricultural field in Canada. The spatial variability of soil organic matter (SOM) was characterized using geostatistics, which consider the randomized and structured nature of spatial variables and the spatial distribution of the samples. The spatial correlation of SOM (in percentages) patterns in the topsoil was established taking into account the spatial structure present in the data. A significant autocorrelation and reliable variograms were found with a R 2 ≥ 0·9, thus demonstrating a strong spatial dependence. Ordinary Kriging (OK) interpolation provided the best cross validation ( r 2 = 0·35). OK and inverse distance weighting power two (IDW2) interpolation approaches produced similar estimates of the total SOM content of the topsoil (0–20 cm) of the experimental field, i.e. 211 and 213 tonnes, respectively. However, the two approaches produced differences in the spatial distribution patterns and the relative magnitude of some SOM content classes. The spatialization of SOM and soil redistribution variability – as evidenced by 137 Cs measurements – is a first step towards the assessment of the impact of soil erosion on SOM losses to recommend conservation measures. Copyright © 2009 John Wiley & Sons, Ltd.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».