Exportation saisonnière d'herbicides vers les cours d'eau mesurée sur six champs agricoles sous quelques pratiques culturales du maïs (Basses-Terres du St-Laurent)
Notice bibliographique
Résumé
L'identification de pratiques agricoles qui minimisent les risques de contamination des eaux de surface nécessite d'évaluer l'importance des voies de transfert des herbicides vers les cours d'eau. Le but de cette étude est d'évaluer à l'échelle du champ agricole et pour une saison de culture l'exportation effective de l'atrazine et du métolachlore par ruissellement de surface et par drainage, ceci pour des conditions pédo-climatiques et agronomiques représentatives de la culture intensive du maïs-grain dans les Basses-Terres du St-Laurent (Québec). Pour les deux premiers événements pluviaux d'importance suivant l'application des herbicides, seulement deux des six champs étudiés ont présenté un ruissellement quittant le champ : les concentrations en herbicides ont atteint 1200 mg/L et 2400 mg/L. La charge exportée en herbicides semble inférieure dans le cas du non travail du sol (semis direct), comparativement au labour conventionnel. Les concentrations en herbicides dans l'eau de drainage sont inférieures à 6 mg/L (pour la majorité inférieures à 1-2mg/L) pour quatre champs, alors que deux champs ont présenté des concentrations atteignant 40-60 mg/L. La charge exportée par drainage apparaît être faible dans le cas de l'application d'herbicides en bandes, comparativement à l'application en surface totale. La masse en herbicides exportée par ruissellement (estimée à partir de coefficients de ruissellement probables) serait supérieure à celle par drainage. Une démarche destinée à diminuer les masses en herbicides exportées devrait ainsi viser la principale voie de cette exportation, c'est-à-dire le ruissellement de surface.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».