Towards understanding nitrogen legacies in European catchments
Notice bibliographique
Résumé
Reducing nitrogen (N) levels in European water bodies is a pressing issue, as evidenced by the recent fines imposed by the European Count Justice on countries such as France, Germany and Greece for exceeding the regulatory limits for nitrate (World Bank report on “Quality Unknown: The Invisible Water Crisis” by Damania et al., 2019). N levels can depend not only on current N inputs to the landscape, but also on the past N inputs that have accumulated through time in the soil root zone and the groundwater in so-called ‘legacy stores’. Effective N management strategies should therefore account for these N legacies. This study aims to gain a better understanding of the impact of N legacies on in-stream nitrate concentration and loading at annual time scale in European catchments. To this end, we apply a parsimonious nitrate model, called ELEMENT (Van Meter et al., 2017, Global Biogeochem Cycles), given the limited amount of information available to constrain and test the model simulations. We construct a nitrogen input dataset (N-surplus) to force the model from the early 19th Century, thus ensuring the build-up of the model soil and groundwater legacy stores. We estimate the model parameters based on the application of ‘soft rules’, to account for the uncertainty in the model inputs and the output measurements, and we examine the model controlling processes using sensitivity analysis. We present here the results for the case of the Weser catchment, a large catchment in northern Germany that discharges into the North Sea. In particular, our results show that the model reproduces well nitrate stream loading. Despite the parsimonious structure of the ELEMENT model, we identify the presence of parameter equifinality, when the model is constrained using in-stream concentration and loading only. We discuss the possibility of using additional information (such as soil organic N content) to improve parameter identifiability and the overall simulation results.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».