Key Components and Contrasts in the Nitrogen Budget Across a U.S.‐Canadian Transboundary Watershed
Notice bibliographique
Résumé
Watershed nitrogen (N) budgets provide insights into drivers and solutions for groundwater and surface water N contamination. We constructed a comprehensive N budget for the transboundary Nooksack River Watershed (British Columbia, Canada and Washington, US) using locally-derived data, national statistics and standard parameters. Feed imports for dairy (mainly in the US) and poultry (mainly in Canada) accounted for 30 and 29% of the total N input to the watershed, respectively. Synthetic fertilizer was the next largest source contributing 21% of inputs. Food imports for humans and pets together accounted for 9% of total inputs, lower than atmospheric deposition (10%). N imported by returning salmon representing marine derived nutrients accounted for <0.06 % of total N input. Quantified N export was 80% of total N input, driven by ammonia emission (32% of exports). Animal product export was the second largest output of N (31%) as milk and cattle in the US and poultry products in Canada. Riverine export of N was estimated at 28% of total N export. The commonly used crop nitrogen use efficiency (NUE) metric alone did not provide sufficient information on farming activities but in combination with other criteria such as farm-gate NUE may better represent management efficiency. Agriculture was the primary driver of N inputs to the environment as a result of its regional importance; the N budget information can inform management to minimize N losses. The N budget provides key information for stakeholders across sectors and borders to create environmentally and economically viable and effective solutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».