Contribution of Overland and Tile Flow to Runoff and Nutrient Losses from Vertisols in Manitoba, Canada
Notice bibliographique
Résumé
This study quantified the contributions of overland and tile flow to total runoff (sum of overland and tile flow) and nutrient losses in a Vertisolic soil in the Red River valley (Manitoba, Canada), a region with a cold climate where tile drainage is rapidly expanding. Most annual runoff occurred as overland flow (72–89%), during spring snowmelt and large spring and summer storms. Tile drains did not flow in early spring due to frozen ground. Although tiles flowed in late spring and summer (33–100% of event flow), this represented a small volume of annual runoff (10–25%), which is in stark contrast with what has been observed in other tile‐drained landscapes. Median daily flow‐weighted mean concentrations of soluble reactive P (SRP) and total P (TP) were significantly greater in overland flow than in tile flow ( p < 0.001), but the reverse pattern was observed for NO 3 –N ( p < 0.001). Overland flow was the primary export pathway for both P and NO 3 –N, accounting for >95% of annual SRP and TP and 50 to 60% of annual NO 3 –N losses. Data suggest that tile drains do not exacerbate P export from Vertisols in the Red River valley because they are decoupled from the surface by soil‐ice during snowmelt, which is the primary time for P loss. However, NO 3 –N loading to downstream water bodies may be exacerbated by tiles, particularly during spring and summer storms after fertilizer application. Core Ideas Overland flow was the primary pathway for runoff and nutrient loss at field edge. Most runoff and nutrient loss occurred during spring snowmelt and rain events. Tile drains are unlikely to exacerbate P losses from Vertisolic soils. Tile drains may enhance N loading in this region.
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 ».