Using GIS and a digital elevation model to assess the effectiveness of variable grade flow diversion terraces in reducing soil erosion in northwestern New Brunswick, Canada
Notice bibliographique
Résumé
Abstract Flow diversion terraces (FDT) are commonly used beneficial management practice (BMP) for soil conservation on sloped terrain susceptible to water erosion. A simple GIS‐based soil erosion model was designed to assess the effectiveness of the FDT system under different climatic, topographic, and soil conditions at a sub‐basin level. The model was used to estimate the soil conservation support practice factor ( P ‐factor), which inherently considered two major outcomes with its implementation, namely (1) reduced slope length, and (2) sediment deposition in terraced channels. A benchmark site, the agriculture‐dominated watershed in northwestern New Brunswick (NB), was selected to test the performance of the model and estimated P ‐factors. The estimated P ‐factors ranged from 0·38–1·0 for soil conservation planning objectives and ranged from 0·001 to 0·45 in sediment yield calculations for water‐quality assessment. The model estimated that the average annual sediment yield was 773 kg ha −1 yr −1 compared with a measured value of 641 kg ha −1 yr −1 . The P ‐factors estimated in this study were comparable with predicted values obtained with the revised universal soil loss equation (RUSLE2). The P ‐factors from this study have the potential to be directly used as input in hydrological models, such as the soil and water assessment tool (SWAT), or in soil conservation planning where only conventional digital elevation models (DEMs) are available. Copyright © 2009 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 | 0,000 |
| 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 | 0,000 | 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 ».