Modeling biophysical and anthropogenic effects on soil erosion over the last 2,000 years in central Mexico
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Erosion prediction models recreate past scenarios, assess future ones, and determine the best explanatory variables of the soil erosion process. They are widely used and contribute valuable data for landscape management. This paper presents an estimation of soil erosion in the Teotihuacan Valley Basin in central Mexico, assessing its response to biophysical and anthropogenic components during 4 periods within the past 2,000 years. The valley has undergone past and recent anthropogenic erosion and, during the past 2 millennia, has experienced a marked variation in precipitation, variations in land use, soil management, and to a lesser extent, variations in soil type. With the use of the Water Erosion Prediction Project model, we estimated how the above‐mentioned parameters affect soil losses under 4 scenarios: (a) humid conditions (900 mm yr −1 ) during the Teotihuacan Period (1–650 CE), (b) dry conditions (370 mm yr −1 ) during the Aztec Period (1325–1521 CE), (c) humid conditions (900 mm yr −1 ) during the Aztec Period, and (d) present conditions (after 1970 CE; 560 mm yr −1 ). Comparison of scenarios and a principal component analysis of soil loss according biophysical components showed topography to be the most closely related parameter to soil erosion. Land use and soil type also showed a relationship with soil erosion, particularly during the Aztec Period; climate change did not appear to be the most significant factor in soil loss. Estimation of soil erosion by means of models is an inexpensive way to find answers to future challenges concerning soil erosion in a changing environment.
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.
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 découle