The contribution of rain‐on‐snow events to nitrate export in the forested landscape of south‐central Ontario, Canada
Notice bibliographique
Résumé
Abstract Rain‐on‐snow (ROS) events have the potential to contribute significantly to nitrate (NO 3 ‐N) export from forested catchments, but have received relatively little research attention. This study assesses the importance of ROS events for NO 3 ‐N export across 18 catchments in south‐central Ontario, Canada, that receive the same annual and seasonal N deposition, but encompass a range of physiographic characteristics. Winter (December to February) NO 3 ‐N export was calculated from 1982 to 1987, a period when streams were sampled on average every 3·3 days for NO 3 ‐N analysis. ROS events contributed a similar proportion of total winter NO 3 ‐N export across all catchments (median proportion of NO 3 ‐N from ROS events = 55%). There was considerable variation in the total magnitude of winter NO 3 ‐N export from these catchments, ranging from 0·01 to 0·4 kg/ha. Analysis of relationships between NO 3 ‐N export and physiographic characteristics indicated that NO 3 ‐N export varied with till coverage, wetland coverage and slope. Catchments with more till coverage, less wetland coverage and steeper slopes may be able to sustain hydrological linkages with the stream channel during the winter, contributing to higher NO 3 ‐N export. An analysis of one catchment over a longer time period (1976–2001) revealed that years with higher maximum winter temperatures had more ROS events than cooler winters ( p < 0·001; r 2 = 0·48). As climate projections for this region include increased winter temperatures and more winter precipitation falling as rain, ROS events may increase in the future, raising concerns about increased NO 3 ‐N loading to surface waters. Copyright © 2010 John Wiley & Sons, Ltd.
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 | 0,001 |
| 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 | 0,000 | 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 ».