Evaluation of LEACHMN for simulating seasonal changes in plant available nitrogen across a variable landscape
Notice bibliographique
Résumé
A model that accurately simulates the seasonal variation in nitrogen (N) dynamics may represent an important additional tool in N management. The objectives of this study were to evaluate whether seasonal changes in the amount of N that becomes available to a maize crop in a variable landscape can be simulated with LEACHMN and, in particular, to assess the potential value of LEACHMN in estimating N available at the time of the presidedress soil nitrate test (PSNT). Soil mineral N (SMN) and shoot N were measured biweekly over seven growing seasons in corn (Zea Mays L.) grown under conventional tillage in a variable landscape in Southern Ontario, Canada. The model was calibrated using data from 2002 and 2003 from each of five positions in the landscape and then evaluated using data from the 1997–2001 growing seasons. Although the model under-estimated SMN and over-estimated shoot N, the model was more successful in simulating the sum, defined as plant available N (PAN). Simulations of PAN were best at the summit and shoulder positions. The agreement between measured and simulated PAN were poorest early in the season. Although the accuracy of PAN simulations late in the growing season indicates this model has potential value in N management decisions, the errors in simulating SMN early in the season suggest adjustments are required before it can be used, along with other tools, as a substitute for the PSNT in cool humid environments. Key words: Soil mineral N, Plant available N, variable landscapes, LEACHMN
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 | 0,001 | 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 | 0,001 | 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 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 ».