MétaCan
Menu
Retour à la cohorte
Enregistrement W3002670337 · doi:10.3390/su12030934

Assessment of Soil and Water Conservation Practices in the Loess Hilly Region Using a Coupled Rainfall-Runoff-Erosion Model

2020· article· en· W3002670337 sur OpenAlexafffund
Mengfan Cai, Chunjiang An, Christophe Guy, Chen Lu

Notice bibliographique

RevueSustainability · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensUniversity of ReginaConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSurface runoffSoil conservationEnvironmental scienceUniversal Soil Loss EquationErosionHydrology (agriculture)WEPPErosion controlLoessDryland salinitySoil waterSoil lossSoil scienceSoil biodiversityGeologySoil organic matterAgricultureGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

Soil and water conservation practices (SWCPs) are widely used to control soil and water loss. Quantifying the effect of SWCPs and climate change on soil and water erosion is important for regional environmental management. In this study, the Soil Conservation Service Curve Number (SCS-CN) and the Modified Universal Soil Loss Equation (MUSLE) were employed to investigate the patterns of surface runoff and soil erosion with different SWCPs in the hilly region on the Loess Plateau of China. The impact of climate change under RCP4.5 and RCP8.5 emission scenarios was considered from 2020 to 2050. Surface runoff grew with the increased rainfall and rainfall erosivity, while soil erosion presented large variations between years due to uneven distribution of rainfall and rainfall erosivity under two scenarios. Different SWCPs significantly reduced surface soil and water loss. Compared with bare slopes, the reduction rates were 15–40% for surface runoff and 35–67% for soil erosion under RCP4.5 and RCP8.5 emission scenarios, respectively. The combination of shrub and horizontal terracing was recommended due to its low water cost for sediment control among seven SWCPs.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,163

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,303
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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

Citations23
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSoil erosion and sediment transportTravaux en français237 207