MétaCan
Menu
Retour à la cohorte
Enregistrement W2771118385 · doi:10.13031/aea.12252

Enhancing Subsurface Drainage to Control Salinity in Dryland Agriculture

2017· article· en· W2771118385 sur OpenAlexaboutno aff
H. Steppuhn, L. J. B. McArthur

Notice bibliographique

RevueApplied Engineering in Agriculture · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrainageHydrology (agriculture)Leaching (pedology)Environmental scienceSoil waterInfiltration (HVAC)Soil salinityWatertable controlVadose zoneIrrigationGroundwaterPrecipitationSalinitySoil salinity controlGeologyLeaching modelSoil scienceAgronomyGeotechnical engineeringGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract. Controlling the physical processes of soil salinization involves lowering ground water levels, draining the vadose zones, and leaching excess salts from root zones. Plastic drain tubing strategically placed 1.5 to 1.8 m below the surface in semiarid lands can lower water tables and drain phreatic water, but irrigation is usually required to satisfactorily leach the offending salts. In non-irrigated drylands, the leaching process depends on natural precipitation, but the drier the climate, the greater the need for more leaching water. Possible practices which tap complementary water in conjunction with subsurface drainage include: (1) establishment of roughness barriers to trap wind-borne snow, and (2) pumping water from near-surface, ground water mounds. The mean electrical conductivity of saturated soil paste extracts sampled yearly from a semiarid site in Saskatchewan averaged 14.1 dS m-1 during the six years before the drainage was installed, 13.0 dS m-1 for two years just after drainage but before capturing blowing snow, and 9.6 dS m-1 for the six years following. The average barley grain harvested during the six years prior to drainage yielded 330 kg ha-1 and 2414 kg ha-1 after installation of the enhanced drainage system. In a follow-up sub-study, fall applications of 4.6 dS m-1 mounded ground water from a shallow well fitted with a solar-powered pump within a drainage system preceded spring seeding of alfalfa. Enhanced drainage improved mean seedling emergence from 20% to 79%. Every 28 mm of ground water applied, up to 2273 mm, increased alfalfa emergence by 1%. Keywords: Agricultural drainage, Plant emergence, Pre-seeding irrigation, Solar-powered pumping, Soil reclamation, Soil salinity, Windbreaks.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,176 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Engineering in AgricultureMême sujetSoil and Unsaturated FlowTravaux en français237 207