Effect of Harsh or Mild Extraction of Soil on Pesticide Leaching to Groundwater
Notice bibliographique
Résumé
Assessment of leaching to groundwater is an important aspect of pesticide risk assessment. The first leaching tier usually consists of simulations with leaching scenarios based on pesticide–soil properties derived from laboratory studies. Because the extractability of pesticide residues in such studies decreases with time, the harshness of the extraction method influences these pesticide–soil properties. This study investigates the effect of using a mild or harsh extraction method on simulated leaching to groundwater with consideration of substances with a range of half‐lives and organic matter sorption coefficient values for selected leaching scenarios. The model for linking the concentrations of the mild and the harsh systems was based on laboratory studies with two pesticides and a Dutch sandy soil and was tested against Canadian field studies with atrazine (6‐chloro‐ N 2‐ethyl‐ N 4‐isopropyl‐1,3,5‐triazine‐2,4‐diamine). The degradation rate and the aged‐sorption parameters of each “mild” soil–substance system were derived from a hypothetical laboratory incubation study using prescribed parameter values for the corresponding “harsh” soil–substance system. Simulations were performed for three European leaching scenarios (United Kingdom, France, Portugal). For the best‐guess parameter set, the leaching concentrations of the harsh system were approximately equal to those of the mild system at leaching concentrations greater than 1 μg L −1 and were at most approximately a factor of two higher than those of the mild systems at mild leaching concentrations between 0.01 and 0.1 μg L −1 . However, an extreme parameter set led to harsh leaching concentrations that were at most approximately 10 times higher than the mild leaching concentrations at levels between 0.01 and 0.1 μg L −1 . Core Ideas First model for the effect of harsh or mild extraction on pesticide behavior in soil. A model based on a Dutch study produced acceptable simulation of Canadian field data. The effect of harsh or mild extraction on pesticide leaching is comparatively small. Mild extraction generates faster apparent degradation but less aged sorption.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,006 | 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 ».