A Bayesian Approach to Infer Nitrogen Loading Rates from Cropand Landuse Types Surrounding Private Wells in the Central Valley,California
Notice bibliographique
Résumé
Abstract. Nitrate contamination of alluvial aquifers in agricultural areas is a typical and major problem around the world. Nitrogen applied to crops, in the form of synthetic fertilizers or manure, in excess of plant uptake, largely leaches to groundwater in the form of nitrate, which is stable and highly mobile in oxygen-rich groundwaters. Increased awareness of the impact that excess nitrogen has had on groundwater and major health concerns about nitrate are prompting new regulations for farmers, e.g., in Europe and California, USA. This study is focused in the Central Valley, California, USA, an intensively farmed region with high agricultural crop diversity. Though nitrogen loading rates for several crop and landuse types in the Central Valley have been estimated or measured in a handful of studies, nitrogen loading rates for specific crop or landuse types and their impact to groundwater quality remain largely unknown. Knowledge of crop or other landuse specific groundwater nitrate impact may aid future regulatory decisions. Nitrogen loading rates for specific crop or landuse types are expected to vary depending on individual landuse practices; and interactions with hydrogeologic parameters that may promote or inhibit nitrate leaching. In this study, we developed a novel Bayesian regression model that allowed us to estimate crop or other landuse-specific groundwater nitrogen loading rate probability distributions from surveys of private wells, each of which is likely impacted by more than one landuse. We used recent nitrate measurements from 2149 wells in the Central Valley. We estimated nitrogen loading rate distributions for 15 crop and landuse groups. These were shown to compare favorably with prior mass-balance estimates of loading rates based on agronomic estimates of nitrogen loading.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».