Modeling the Effectiveness of Sustainable Agricultural Practices in Reducing Sediments and Nutrient Export from a River Basin
Notice bibliographique
Résumé
Water pollution from unsustainable agricultural practices is a global problem that undermines human health and economic development. Sustainable agricultural practices have been considered to maintain global food production without compromising water quality and ecosystem health. However, the effectiveness of sustainable agricultural practices in reducing sediments and nutrient export and the combination of practices that will best achieve water quality objectives is still under-explored. In this study, we assess the effectiveness of sustainable agricultural practices in reducing sediments and nutrients export to rivers and determine the combination of practices that would allow the highest reductions of sediments and nutrients, using the Soil and Water Assessment Tool (SWAT) in a Portuguese river basin highly affected by agricultural pollution. SWAT was calibrated and validated for river discharge, sediments, phosphorous, and nitrate loads at the outlet of the basin, with a good agreement between simulated and observed values. The effects of filter strips, fertilizer incorporation, and conservation tillage were analyzed considering both individual and combined effects. Our study shows that sustainable agricultural practices can substantially reduce sediments and nutrients export from a river basin, with the highest average combined depletion of sediments, phosphorus, and nitrate export (25%) achieved when fertilizer incorporation, conservation tillage, and filter strips were implemented simultaneously. Additional studies exploring the effect of sustainable agricultural practices across a range of climate and watershed characteristics, as well as their capacity to deal with challenges related to climate change, will further improve our understanding of the effectiveness of sustainable agricultural practices.
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 | 0,001 |
| 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 ».