Application of a RUSLE-based soil erosion modelling on Mauritius Island
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Soil erosion by water is one of the most important natural resources management problems in the world. The damages it causes on-site are soil loss, breakdown of soil structure, and decline in organic matter content, nutrient content, fertility, and infiltration rate. Lands with the highest erosion risk on Mauritius Island are crop cultivations (sugarcane, tea, vegetables) on erosion-susceptible terrain (slopes >20% coupled with highly erodible soils). The locations of such lands on Mauritius were mapped during previous, qualitatively based regional-scale erosion studies. In order to propose soil conservation strategies, there is a need to apply a more quantitative approach to supplement the previous, qualitatively based studies. This paper reports an application of the Revised Universal Soil Loss Equation (RUSLE) within a geographical information system in order to estimate soil loss on the island, and particularly for the high-erosion areas. Results show that total soil loss on the island is estimated at 298 259 t year–1, with soil loss from high-erosion areas summing 84 780 t year–1 (28% of total soil loss). If all of the high-erosion areas were afforested, their soil loss would be reduced to 10 264 t year–1, i.e. a reduction of 88% for the high-erosion areas and a reduction of 25% for the island. This study thus calls for soil and water conservation programs directed to these erosion-prone areas before the land degradation and environmental damage they are causing become irreversible. The methodological approach used in this work to quantitatively estimate soil loss from erosion-prone areas can be adopted in other countries as the basis for a nationwide erosion assessment in order to better inform environmental policy needs for soil and water conservation.
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.
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 | 0,001 | 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) | 0,001 | 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 découle