Spatial Variability of Pesticide Sorption: Measurements and Integration to Pesticide Fate Models
Notice bibliographique
Résumé
Pesticide fate models are useful in testing the impact of agricultural management practices on the quality of water resources. The sorption parameter is among the most sensitive of the input parameters used by pesticide fate models. Numerous pesticide sorption experiments have been conducted in the past 75 years, but mainly focussed on surface soils. The batch equilibrium procedure is a conventional technique to quantify sorption parameters. In this chapter, we summarize selected batch equilibrium studies to demonstrate that sorption parameters vary widely among sampling points within soil-landscapes. We recognize that probability density functions (PDFs) have been incorporated into stochastic simulations of pesticide fate to help account for sorption spatial variability, but also show that PDFs can vary widely for different pesticides and/or soil depth. We propose that near-infrared spectroscopy (NIRS) can be used in combination with batch equilibrium techniques to more rapidly quantify the sorption variability of herbicides. We demonstrate that NIRS can be integrated into the Pesticide Root Zone Model version 3.12.2 to improve spatial resolutions for calculating the mass of herbicide leached to depth at the field scale. Better quantification of herbicide sorption variability and hence leaching potential will provide greater confidence in using pesticide fate models in regulatory practices, as well as in management programs that promote both sustainable agriculture and adequate environmental protection of water resources.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».