Simulation par le modèle AgriFlux du devenir de l'atrazine et du dééthylatrazine dans un sol du Québec sous mais sucré
Notice bibliographique
Résumé
Les outils mathématiques sont de plus en plus utilisés pour simuler la contamination d'origine agricole des eaux souterraines. Le modèle AgriFlux permet, à l'aide du module PestiFlux, de simuler les processus responsables du devenir des pesticides dans le sol: ruissellement, volatilisation, adsorption/désorption rapide, adsorption/désorption lente, complexation par la matière organique dissoute, biodégradation en sous-produits, hydrolyse, drainage et lessivage. AgriFlux est utilisé pour simuler le devenir de l'atrazine et du dééthylatrazine sur une parcelle expérimentale de la région de Québec (Québec, Canada) cultivée en maïs sucré (Zea mays, L.) traité à l'atrazine. Des prélèvements d'eau interstitielle ont été réalisés (1986-1990) à l'aide de lysimètres avec succion (0,5 et 1,0 m de profondeur) et analysés pour leur contenu en atrazine et dééthylatrazine. De manière générale, AgriFlux reproduit bien l'évolution des concentrations mesurées, dans le temps et dans le profil de sol (r=0,76). Certains pics de concentrations observés sur le terrain ne sont toutefois pas représentés ou sont décalés dans le temps, ce qui pourrait être attribué à une sous-estimation de la variabilité spatiale des paramètres. Le rapport dééthylatrazine/atrazine est relativement bien simulé en 1988 à 0,5 m, mais est moins représentatif pour les autres données, ce qui pourrait être dû à une certaine imprécision dans la simulation de la biodégradation. Une analyse de sensibilité du modèle aux variations de différents paramètres a montré que le paramètre le plus influent dans les conditions testées est la constante de biodégradation. Les résultats obtenus montrent la pertinence d'AgriFlux (PestiFlux) dans la simulation du devenir des pesticides dans le sol et donc des risques de contamination des eaux souterraines en région agricole.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,002 |
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 ».