MétaCan
Menu
Retour à la cohorte
Enregistrement W4213048514 · doi:10.3390/w14040539

Nitrogen Transport/Deposition from Paddy Ecosystem and Potential Pollution Risk Period in Southwest China

2022· article· en· W4213048514 sur OpenAlexaff
Shufang Guo, Tiezhu Yan, Limei Zhai, Haw Yen, Jian Liu, Wenchao Li, Hongbin Liu

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSurface runoffEnvironmental scienceDeposition (geology)EutrophicationVolatilisationHydrology (agriculture)EcosystemFertilizerIrrigationAgricultureWater qualitySurface waterAgronomyEnvironmental engineeringNutrientEcologyChemistryBiologyGeologySediment

Résumé

récupéré en direct d'OpenAlex

Nitrogen (N) losses through runoff from cropland and atmospheric deposition contributed by agricultural NH3 volatilization are important contributors to lake eutrophication and receive wide attention. Studies on the N runoff and atmospheric N deposition from the paddy ecosystem and how the agriculture-derived N deposition was related to NH3 volatilization were conducted in the paddy ecosystem in the Erhai Lake Watershed in southwest China. The critical period (CP) with a relatively high total N (TN) and NH4+-N deposition occurred in the fertilization period and continued one week after the completion of fertilizer application, and the CP period for N loss through surface runoff was one week longer than that for deposition. Especially, the mean depositions of NH4+-N in the CP period were substantially higher than those in the subsequent period (p < 0.01). Moreover, agriculture-derived NH4+ contributed more than 54% of the total NH4+-N deposition in the CP period, being positively related to NH3 volatilization from cropland soil (p < 0.05). The N concentrations were higher in the outlet water of ditches and runoff in May than in other months due to fertilization and irrigation. Therefore, to reduce the agricultural N losses and improve lake water quality, it is important to both reduce agricultural NH4+-N deposition from NH3 volatilization and intercept water flow from the paddy fields into drainage ditches during the CP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,006
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,002
Tête enseignante GPT0,149
Écart entre enseignants0,147 · 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 tête enseignante, 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207