Estimation of Canadian manure and fertilizer nitrogen application rates at the crop and soil-landscape polygon level
Notice bibliographique
Résumé
In support of national environmental and economic modeling of agri-environmental indicators, greenhouse gases, carbon sequestration and policy assessment, fertilizer and manure nitrogen application rates were estimated for individual crops at the scale of the 1:1 m Soil Landscapes of Canada polygons. This database provides an estimate of the amount of nitrogen applied to each crop and is based on provincial fertilization recommendations, the type and number of livestock and manure produced and reported amounts of fertilizer sold. The database is being incorporated into ongoing programs related to international reporting, environmental performance and policy formulation at Agriculture and Agri-Food Canada.This paper describes the procedures developed to estimate fertilizer and manure nitrogen inputs for each crop type within each polygon. These procedures include: (i) the compilation of soil-specific recommended nitrogen application rates from provincial extension guide lines and experts; (ii) the calculation of total manure nitrogen production from animal numbers and excretion rates; (iii) the calculation of manure nitrogen available after land application losses and (iv) the adjustment of total fertilizer nitrogen applied to match reported sales at the provincial level. The calculation procedures were incorporated into the Canadian Agricultural Nitrogen Budget model, with provisions for transferring the data to other models and for other applications. Key words: Fertilizer nitrogen, manure nitrogen, nitrogen application rates, nitrogen model, Soil Landscapes of Canada, Census of Agriculture
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».