Where did the soil go? Quantifying one year of soil erosion on a steep tile-drained agricultural field
Notice bibliographique
Résumé
Distributed measurements of agricultural erosion at the farm-scale are needed to evaluate both the on and off-site impacts of sediment redistribution. While best management practices have been shown to reduce surface erosion rates and improve water quality, their farm-scale effects can be difficult to quantify. In this study we use imagery from an unmanned aerial vehicle (UAV) and structure-from-motion multi-view stereo (SfM-MVS) to quantify erosion rates and their effects on crop yield across a 15.9-ha agricultural field. Our results highlight that the installation of catch basins were able to stop 159.52 t of sediment and associated nutrients from entering the waterway adjacent to the study site over the course of one year, corresponding to an erosion rate of 18.83 t ha−1 yr−1 across six study basins. Poor soil structure resulting from downslope tillage reduced crop yields on topographic shoulders of the study site, while accelerated water erosion processes were responsible for large areas of washout that caused highly variable crop growth in footslopes. The highest crop yields were associated with backslopes and topographically flat regions of the field which experienced minimal erosion. Change-detection results showed that UAV imagery was able to reliably quantify depositional plumes and was comparable to that of a terrestrial laser scanner (TLS) using a ± 0.04 m confidence interval.
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 | 0,000 |
| 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 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 ».