Herbicide Sorption Coefficients in Relation to Soil Properties and Terrain Attributes on a Cultivated Prairie
Notice bibliographique
Résumé
The sorption of 2,4-D and glyphosate herbicides in soil was quantified for 287 surface soils (0-15 cm) collected in a 10 x 10 m grid across a heavily eroded, undulating, calcareous prairie landscape. Other variables that were determined included soil carbonate content, soil pH, soil organic carbon content (SOC), soil texture, soil loss or gain by tillage and water erosion, and selected terrain attributes and landform segments. The 2,4-D sorption coefficient (Kd) was significantly associated with soil carbonate content (-0.66; P < 0.001), soil pH (-0.63; P < 0.001), and SOC (0.47; P < 0.001). Upper slopes were strongly eroded and thus had a significantly greater soil carbonate content and less SOC compared with lower slopes that were in soil accumulation zones. The 2,4-D Kd was almost twice as small in upper slopes than in lower slopes. The 2,4-D Kd was also significantly associated with nine terrain attributes, particularly with compounded topographic index (0.59; P < 0.001), gradient (-0.48; P < 0.001), mean curvature (-0.43; P < 0.001), and plan curvature (-0.42 P < 0.001). Regression equations were generated to estimate herbicide sorption in soils. The predicted power of these equations increased for 2,4-D when selected terrain attributes were combined with soil properties. In contrast, the variation of glyphosate sorption across the field was much less dependent on our measured soil properties and calculated terrain attributes. We conclude that the integration of terrain attributes or landform segments in pesticide fate modeling is more advantageous for herbicides such as 2,4-D, whose sorption to soil is weak and influenced by subtle changes in soil properties, than for herbicides such as glyphosate that are strongly bound to soil regardless of soil properties.
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 | 0,001 | 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) | 0,000 | 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 ».