Uncertainty and Sensitivity Analyses of the Modified Wind Erosion Equation for Application in Canada
Notice bibliographique
Résumé
Abstract The wind erosion equation (WEQ) was used for several decades for predicting soil loss by wind erosion, but few systematic studies on the uncertainty of predicting wind erosion have been conducted. Several researchers found that WEQ is not accurately representing soil erosion and under‐represents soil erodibility that consequently results in WEQ underestimations. WEQ was modified under Canadian conditions for the National Agri‐Environmental Health Analysis and Reporting Program, referred as (WEQ‐NAHARP). The model, input, and parameter uncertainties that control model efficiency were used to analyze the local and universal uncertainties for WEQ‐NAHARP. One and ninety‐nine percentiles were used as lower and upper boundaries of uncertainty bound when using general likelihood uncertainty estimation for estimating the uncertainty of WEQ‐NAHARP's prediction. The soil erodibility ( I ), climate factor ( C ), and soil surface roughness factor ( K ) were found as the three most sensitive factors in predicting wind erosion in WEQ‐NAHARP. The vegetation cover factor ( V ) was discovered not sensitive to the prediction model as it is less than 1,000 kg ha −1 and became very sensitive as V ‐value is greater than 5,000 kg ha −1 . Field length along the prevailing wind erosion direction ( L ) and V have lower local sensitivity indexes than the other three factors. WEQ‐NAHARP underestimated wind erosion rate of Pampas, Argentina, and overestimated at Washington State, USA. This probably reflected the nature of WEQ‐NAHARP's behavior, which had a great uncertainty of its prediction. The model appears to underestimate total annual soil loss for coarse soil and overestimate annual soil loss for finer soil. Copyright © 2017 John Wiley & Sons, Ltd.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».