MétaCan
Menu
Retour à la cohorte
Enregistrement W3157395868 · doi:10.1016/j.iswcr.2021.04.007

Soil erosion assessment by RUSLE with improved P factor and its validation: Case study on mountainous and hilly areas of Hubei Province, China

2021· article· en· W3157395868 sur OpenAlexaff
Pei Tian, Zhanliang Zhu, Qimeng Yue, Yi He, Zhaoyi Zhang, Fanghua Hao, Wenzhao Guo, Lin Chen, Muxing Liu

Notice bibliographique

RevueInternational Soil and Water Conservation Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensUniversité de Montréal
Organismes subventionnairesState Key Laboratory of Soil Erosion and Dryland Farming on the Loess PlateauNational Key Research and Development Program of China Stem Cell and Translational ResearchNational Key Research and Development Program of ChinaChangjiang River Scientific Research InstituteMinistry of Water ResourcesNational Natural Science Foundation of China
Mots-clésUniversal Soil Loss EquationEnvironmental scienceSoil conservationErosionHydrology (agriculture)Surface runoffTillageSoil scienceSoil lossGeologyGeographyEcologyGeomorphologyAgricultureGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The Revised Universal Soil Loss Equation (RUSLE) is widely used to estimate regional soil erosion. However, quantitative impacts of soil and water conservation (SWC) measures on conservation practice factor (P) of the RUSLE remain largely unclear, especially for the mountainous and hilly areas. In this study, we improved the RUSLE by considering quantitative impacts of different SWC measures on the P factor value. The improved RUSLE was validated against the long-term (2000–2015) soil erosion monitoring data obtained from 96 runoff plots (15–35°) in mountainous and hilly areas of Hubei Province, China; the result presented a high accuracy with the determination coefficient of 0.89. Based on the erosion monitoring data of 2018 and 2019, the Root Mean Square Error of the result by the improved RUSLE was 28.0% smaller than that by the original RUSLE with decrement of 19.6%–24.0% in the average P factor values, indicating that the soil erosion modelling accuracy was significantly enhanced by the improved RUSLE. Relatively low P factor values appeared for farmlands with tillage measures (P < 0.53), grasslands with engineering measures (P < 0.23), woodlands with biological measures (P < 0.28), and other land use types with biological measures (P < 0.51). The soil erosion modulus showed a downward trend with the corresponding values of 1681.21, 1673.14, 1594.70, 1482.40 and 1437.50 t km−2 a−1 in 2000, 2005, 2010, 2015 and 2019, respectively. The applicability of the improved RUSLE was verified by the measurements in typical mountainous and hilly areas of Hubei Province, China, and arrangements of SWC measures of this area were proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,092
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,313
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations124
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Soil and Water Conservation ResearchMême sujetSoil erosion and sediment transportTravaux en français237 207