Modeling Subsurface Drainage in Compacted Cultivated Histosols
Notice bibliographique
Résumé
Reclaiming histosols in Montéregie region, Québec, Canada, increases peat decomposition and compaction rate and decreases the effectiveness of subsurface drainage. The objective of this paper was to use HYDRUS-2D to model the behavior of subsurface drainage systems, in order to evaluate the compaction effect on drain depth and spacing, and to determine the compact layer thickness and saturated hydraulic conductivities (Ksat) resulting in an improvement of subsurface drainage]. The drainage model was calibrated [Nash-Sutcliffe efficiency coefficient (NSE) = 0.958, percent bias (PBIAS) = −0.57%] using Ksat, meteorological data, and matric potential (h) data measured on the project site from June 10 to July 19, 2017. The calibrated and validated model was used to analyze the variation of h values (Δh in cm d −1 ) as a function of drain spacing (2–7 m) and drain depth (1 and 1.2 m) and to identify the response surface of Δh to various compact layer thickness and Ksat combinations. The results showed that Δh was on average 58% greater below the compact layer than above it and that reducing drain spacing or increasing drain depth does not improve the drainage rate. The analysis of the compact layer thickness and Ksat effect on Δh showed that for a Δh of 40 cm d −1 , Ksat actual values in the two uppermost layers should be multiplied by 50 for compact layer thickness varying from 12 to 35 cm. Water percolation in the soil is reduced by the compact layer. Soil management methods for improving Ksat should therefore be better than deepening the drains or and reducing the spacing.
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 ».