Characterizing Catchment‐Scale Nitrogen Legacies and Constraining Their Uncertainties
Notice bibliographique
Résumé
Abstract Improving nitrogen (N) status in European water bodies is a pressing issue. N levels depend not only on current but also past N inputs to the landscape, that have accumulated through time in legacy stores (e.g., soil, groundwater). Catchment‐scale N models, that are commonly used to investigate in‐stream N levels, rarely examine the magnitude and dynamics of legacy components. This study aims to gain a better understanding of the long‐term fate of the N inputs and its uncertainties, using a legacy‐driven N model (ELEMeNT) in Germany's largest national river basin (Weser; 38,450 km 2 ) over the period 1960–2015. We estimate the nine model parameters based on a progressive constraining strategy, to assess the value of different observational data sets. We demonstrate that beyond in‐stream N loading, soil N content and in‐stream N concentration allow to reduce the equifinality in model parameterizations. We find that more than 50% of the N surplus denitrifies (1480–2210 kg ha −1 ) and the stream export amounts to around 18% (410–640 kg ha −1 ), leaving behind as much as around 230–780 kg ha −1 of N in the (soil) source zone and 10–105 kg ha −1 in the subsurface. A sensitivity analysis reveals the importance of different factors affecting the residual uncertainties in simulated N legacies, namely hydrologic travel time, denitrification rates, a coefficient characterizing the protection of organic N in source zone and N surplus input. Our study calls for proper consideration of uncertainties in N legacy characterization, and discusses possible avenues to further reduce the equifinality in water quality modeling.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».