Evaluation of contrasting buffer features within an agricultural landscape for reducing sediment and sediment‐associated phosphorus delivery to surface waters
Notice bibliographique
Résumé
Abstract There are a variety of buffering features within the landscape that can be used to trap sediment and associated contaminants such as phosphorus (P), thereby helping to reduce sediment and P delivery to watercourses. Astroturf mats ( n = 136) were placed within contrasting buffer features at nine sites [mid‐field hedges (two sites), edge‐of‐field grass strips (six sites) and channel wetlands (one site)] within the River Parrett basin in England. Sediment was recorded on the mats at seven of the sites during the 18‐month sampling period. At the other two sites either there was insufficient erosion or sediment by‐passed the mats. At the seven sites where mats collected sediment, there was a considerable range in sediment deposition over the 18‐month sampling period with site‐average values (based on all mats at a site) ranging from 0.02 ± 0.06 to 1.15 ± 1.88 g cm −2 ; the average for all 136 mats was 0.41 ± 1.08 g cm −2 , or approximately 0.27 g cm −2 year −1 . Most of the sediment collected on the mats ( n = 60) was sand‐sized (>63 μm) material. The site‐average total‐P content of the <63 μm fraction of the deposited sediment ranged between 616 and 1938 mg kg −1 (average 890 mg kg −1 ). About half of all the mats that collected sediment were from the front of the buffers. Comparison of the sediment in the buffer features with topsoil from the contributing upslope fields suggests that the buffers trap coarser sediment with lower P concentrations, than the contributing topsoil. This suggests that the finer fraction, enriched in total‐P, may be passing through the buffers towards river channels. Comparison between sites indicates that sediment deposition within buffers is greater at sites with steeper slopes, erodible soils and certain types of land use, such as maize for silage, reflecting the greater soil erosion and sediment transfers in these fields. The location and careful design of buffer features is a key factor in their effectiveness.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».