MétaCan
Menu
Retour à la cohorte
Enregistrement W2162870213 · doi:10.13031/2013.32147

Measured Effect of Agricultural Drainage Water Management on Hydrology, Water Quality, and Crop Yield

2010· article· en· W2162870213 sur OpenAlexaboutno aff
Mark Sunohara, Mohamed A. Youssef, Edward Topp, David R. Lapen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrainageEnvironmental scienceLoamWater qualityNutrientHydrology (agriculture)Crop yieldAgronomyNutrient managementSoil waterSoil scienceGeologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

A field scale experiment has been initiated in 2006 to study the effects of controlled drainage on drain flow, nutrient export, and crop yield for a subsurface drained site in eastern Ontario, Canada. Eight paired fields of comparable size (2 to 7 ha), soil (Bainsville silt loam), crop rotation (corn-soybean), and drainage system (subsurface drains 100 cm deep and spaced 15 m apart) were evaluate in the study. For each field pair, controlled drainage (CD) is implemented on one field and conventional (uncontrolled) drainage (UCD) is implemented on the other field. The results of the study showed that controlled drainage substantially reduced subsurface drainage and nutrient (nitrogen and phosphorus) export with drain flow, compared with conventional drainage. On average over the four field pairs and the three-year period, controlled drainage reduced the May-to-November drain flow by 50%, nitrate-nitrogen export by 47% and total phosphorus export by 56%. These results support the contention that nutrient reductions are controlled primarily by reduced drain flow. The results suggest the May-to-November nutrient mass losses were, overall, modest. A very modest increase in crop yield was observed with implementing drainage water management, although results were not statistically significant. Nevertheless, the results do show that controlled drainage does not have an adverse effect on crop yield.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,222
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil and Water Nutrient DynamicsTravaux en français237 207