Beyond the Mass Balance: Watershed phosphorus legacies and the evolution of the current water quality policy challenge
Notice bibliographique
Résumé
Increased use of phosphorus (P) fertilizers and detergents, as well as the growth of animal feeding operations, have more than doubled P inputs to human-impacted watersheds over pre-industrial levels. While P fertilizer use and manure application help to maximize crop yields, excess P is lost to runoff, leading to eutrophication of downstream waters—a phenomenon of great concern in the North American Great Lakes region. Excess P also accumulates across the landscape, leading to legacies that serve as long-term sources of P to surface waters, even after inputs to the watershed are reduced. We developed, for the first time, a process-based model, ELEMeNT-P, designed to capture legacy P accumulation and depletion trajectories along the land-aquatic continuum. To drive the model, we reconstructed a more than 100-year trajectory of P inputs to the Grand River Watershed (GRW), Canada’s largest river basin draining directly to Lake Erie. Our results show that since 1900 the GRW has served as a net P sink, with an estimated accumulation of more than 480 ktons P, of which 89% resides in soils and 6% in reservoirs and riparian areas. Future simulations suggest that while a 40% reduction in P discharge to Lake Erie is possible under aggressive management scenarios, legacy P will continue to elevate P loads to Lake Erie for centuries.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».