Contribution of preferential flow to tile drainage varies spatially and temporally
Notice bibliographique
Résumé
Abstract Tile drainage of agricultural fields is a conduit for nutrient losses. Preferential flow in the soil can more directly connect surface runoff with tile drainage compared with matrix flow, which may also increase P losses. In this study, water temperature was monitored in surface runoff and tile drainage and electrical conductivity (EC) was measured in tile drainage at two sites in southern Ontario with different soil types (i.e., clay and loam). These data were used to estimate the percentage of preferential flow in tile drainage based on end member mixing. Estimates using temperature were compared with estimates using EC, and both were evaluated across seasons and hydrographs and compared with P concentration and load data. There was strong correlation ( r = .83) between estimates of preferential flow using the two methods, but due to variability in surface temperatures, EC provided a less flashy estimate for preferential flow (Durbin–Watson statistics of 0.34 for temperature and 0.09 for EC). Preferential flow accounted for a higher percentage of tile drainage flow in clay soil than loam, but percentages were not significantly different between seasons or timing within events. Phosphorus concentrations and loads were weakly correlated with preferential flow, suggesting that P transport was influenced by other factors as well. Although further work is necessary to calibrate these methods for estimating preferential flow from continuously monitored temperature and EC, this technique can be applied to already collected data to model and test posited explanations of observed phenomena in P, other nutrients, and water transport from tile‐drained agricultural land.
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 ».