Assessing water and nitrate‐N losses from subsurface‐drained paddy lands by DRAINMOD‐N II
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 In this study, the effects of various drainage systems on water and nitrate‐N losses were investigated using DRAINMOD‐N II. Required field data were obtained during three growing seasons of canola in a subsurface drainage pilot in Mazandaran Province, northern Iran. The calibrated model was used to assess the effects of different drain depths ( D = 0.10–0.90 m with 0.10 m intervals) and spacing ( L = 10–90 m with 10 m intervals) on seasonal drainage water and NO 3 − ‐N concentration in drainage effluents. DRAINMOD‐N II performance was assessed using different criteria including absolute deviation (AD), root mean square error (RMSE) and determination coefficient ( R 2 ). The simulated and observed drainage discharges (0.97 vs 0.96 mm day −1 ) and NO 3 ‐N concentrations (9.1 vs 14.1 mg l −1 ) were in good agreement in the calibration process. The model performance was also acceptable in the validation process (AD = 0.59–0.79 mm day −1 ; RMSE = 1.01–1.28 mm day −1 ; R 2 = 0.59–0.79 for drainage discharge and AD = 8.3–16.3 mg l −1 ; RMSE = 12.4–27.6 mg l −1 ; R 2 = 0.4 for NO 3 ‐N). Based on the scenario analyses, the D0.40L50 drainage system was the best one, resulting in fewer environmental effects from the nitrate‐N and water loss viewpoints. © 2020 John Wiley & Sons, Ltd.
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) | 0,001 | 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 découle