Modeling tillage and manure application on soil phosphorous loss under climate change
Notice bibliographique
Résumé
Abstract Phosphorus (P) losses from non-point sources into receiving water bodies play a significant role in eutrophication. Given their failure to adequately control eutrophication in the Lake Erie, conservation recommendations for agricultural watersheds should be reconsidered, particularly under climate change. Using the Environmental Policy Integrated Climate model, the potential impacts on crop yield, surface runoff, tile drainage, and relevant dissolved reactive phosphorus (DRP) losses from manure-amended corn-soybean rotation plots in the Lake Erie basin were estimated for six tillage methods with different mixing efficiencies and manure broadcast application. These were investigated under twelve different regional and global future climate simulations. Tillage alone proved to have only a minor impact on mean corn yield (± 2%). Climate change led to large uncertainties under the single tillage treatment. As a result of the combined effects of biogeochemical processes (e.g., supply) and hydrological (e.g., transport), strong negative relationships (R 2 = 0.98) were found between tillage mixing efficiency and DRP loss in surface runoff, tile drainage, and total DRP loss. The impacts of combined manure application (broadcast) and tillage on crop yield and flow volume were similar as those of tillage alone. With respect to total DRP losses, the effects of labile P content change outweighed those of surface runoff or tile drainage change (hydrologic). This resulted in a change in total DRP losses ranging from − 60% to + 151%, with being closely correlated with decreasing tillage mixing efficiency (R 2 = 0.94) from moldboard to no-till. Therefore, rotational tillage should be considered for DRP loss reduction and energy saving.
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 | 0,001 | 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 ».