Prediction of Soil Nitrogen Supply in Potato Fields using Soil Temperature and Water Content Information
Notice bibliographique
Résumé
This study evaluated different strategies for use of a simple first‐order kinetic model (N min = N 0 [1– e − k t ] where N 0 is potentially mineralizable nitrogen and k is the mineralization rate constant) to predict growing season soil nitrogen supply (SNS) in potato ( Solanum tuberosum L.) fields under cool humid climatic conditions. All strategies considered spring soil mineral nitrogen (SMN) and the labile mineralizable N pool (Pool I), and correction of the value of k was evaluated based on temperature (T) only, or based on both T and water content (θ). The strategies examined: (i) the depth of the soil used; (ii) the choice of k value used for Pool I; and (iii) the replenishment of the mineralizable N pools. Predicted SNS was compared with a field‐based estimate of plant available soil nitrogen supply (PASNS) measured as plant (vine plus tuber) N uptake plus residual nitrate at harvest in unfertilized plots. When k was corrected using T only, the strategies generally overestimated the PASNS. When k was corrected using both T and θ, predicted SNS was not significantly different from PASNS in most cases. The most promising strategy used a depth of 0 to 20 cm, the common depth for tillage, rather than 0 to 15 cm, which represents the actual depth used for soil sampling. This study demonstrated that SNS can be adequately predicted using a simple kinetic model, and that consideration of soil water content was important in predicting SNS even in humid soil moisture regimes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».