MétaCan
Menu
← Retour à la cohorte
Enregistrement W2034872632 · doi:10.5220/0005005005290536

CANB v4.0: A Model for Simulating Residual Soil Nitrogen and Nitrogen Leaching in Canadian Regional Scale

2014· article· en· W2034872632 sur OpenAlexaffabout
Jingyi Yang, C. F. Drury, Reinder DeJong, E.C. Huffman, Xueming Yang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésLeaching (pedology)Environmental scienceNitrogenGrowing seasonResidualEcoregionHydrology (agriculture)WatershedGroundwaterSoil scienceSoil waterAgronomyMathematicsChemistryGeologyEcologyAlgorithm

Résumé

récupéré en direct d'OpenAlex

A Canadian Agricultural Nitrogen Budget model (CANB v4.0) was developed to calculate two Agrienvironmental Indicators; Residual Soil Nitrogen (RSN) and the Indicator of Risk of Water Contamination by Nitrogen (IROWC-N) at 1:1M Soil Landscape of Canada scale for all Canadian farmland. The RSN (kg N ha-1) is the amount of inorganic N which remains in the soil at the end of the growing season and it is calculated as the difference between the total inputs of N and removal of N by the crop and atmospheric losses. The IROWC-N provides an estimate of the concentration and amount of the RSN which can be lost due to surface and groundwater via leaching. Both the growing season and non-growing season N leaching losses were simulated by a daily N leaching model. The outputs are displayed using EasyGrapher software and mapped using Arc-GIS software. The Ecoregion maps and graphs of the RSN, N lost and IROWCN from the CANB v4.0 model were displayed and the results were interpreted. The results indicate that there is an increasing risk of water contamination over time in Canadian farmland. The model can also be used for policy scenario analysis or integrated into a GIS framework at watershed scales.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0040,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSoil and Water Nutrient Dynamics→Travaux en français237 207→