Land Use and Riparian Effects on Prairie Wetland Sediment Properties and Herbicide Sorption Coefficients
Notice bibliographique
Résumé
Sorption of commonly used herbicides by wetland sediment can provide important information for herbicide fate modeling. The influence of sediment properties on herbicide sorption as a result of different land uses in the wetland catchment is unclear. We examined the effects of land use on the physiochemical properties of wetland sediments and the associations between these sediment properties and herbicide sorption characteristics. Bottom sediments were sampled in 0- to 5- and 5- to 10-cm sections from 17 wetlands under five different land use classes: (i) ephemeral wetlands with no riparian vegetation in a cultivated catchment (ECNR), (ii) ephemeral wetlands with riparian vegetation in a cultivated catchment (ECR), (iii) ephemeral wetlands in a grassland catchment established 4 yr ago (E4G), (iv) ephemeral wetlands in a brome grass catchment established 20 yr ago (E20G), and (v) semi-permanent (SP) wetlands in a multiple-land-use catchment. Sediments were analyzed for total organic carbon (TOC), total inorganic carbon (TIC), pH, electrical conductivity, exchangeable cations (EXCAT), total cation exchangeable capacity (CEC), and percent clay (%clay). Sediment herbicide sorption partition coefficient (Kd) was measured for trifluralin, atrazine, 2,4-D, and glyphosate. The sorption of the herbicides in the sediment increased in the order of 2,4-D < atrazine < glyphosate < trifluralin. The sorption of 2,4-D, atrazine, and trifluralin was positively correlated to TOC, EXCAT, and CEC but negatively correlated to %clay. Glyphosate sorption was negatively correlated to pH, TIC, EXCAT, and %clay. Overall, wetland sediments that were recently cultivated (ECNR and E4G) had lower TOC, TIC, EC, EXCAT, CEC, and Kd values (2,4-D, trifluralin, and atrazine) than sediments that had not been recently cultivated (ECR, E20G, and SP). The ECR wetland sediments had the largest Kd for all four herbicides, suggesting that land use and riparian vegetation have a significant impact on herbicide sorption.
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 | 0,000 | 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) | 0,001 | 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 ».