Calibration and Validation of RZWQM2-P Model to Simulate Phosphorus Loss in a Clay Loam Soil in Michigan
Notice bibliographique
Résumé
Highlights RZWQM2-P was tested and validated for clay loam soil using daily discharge and load data. The model performed satisfactorily in predicting hydrology and TP load, but DRP prediction was unsatisfactory. Inability of the model to simulate P loss in subsurface drainage discharge after fertilization event was one of the reasons for the unsatisfactory model performance. Abstract. Phosphorus (P) loss and transport through subsurface drainage systems is a primary focus for addressing harmful algal blooms in freshwater systems. The recent development of the phosphorus (P) routine of the Root Zone Water Quality Model (RZWQM2-P) has the potential to enhance our understanding of the fate and transport of P from subsurface-drained fields to surface water. However, there is a need to test the model under different fertilization, soil, climate, and cropping conditions. The objective of this study was to test the model's performance with daily drainage discharge, dissolved reactive phosphorus (DRP), and total phosphorus (TP) load collected from a subsurface-drained field with clay loam soil. We calibrated RZWQM2-P using two years of measured data. Subsequently, we validated RZWQM2-P using a year and nine months of measured data. We used the Nash-Sutcliffe model efficiency (NSE) and percentage bias (PBIAS) statistics for the RZWQM2-P model evaluation. The results showed that the model performance was “good” (daily NSE = 0.66 and PBIAS = -7.16) in predicting hydrology for the calibration period. For the validation period, the hydrology prediction of the model was “very good” (daily NSE = 0.76), but it had a “satisfactory” underestimation bias (PBIAS = 23.57). The model’s performance was “unsatisfactory” in simulating DRP for both calibration (daily NSE = 0.31 and PBIAS = -61.50) and validation (daily NSE = 0.32 and PBIAS = 43.68) periods. The P model showed “satisfactory” performance in predicting TP load for both calibration (daily NSE = 0.46 and PBIAS = -32.41) and validation (daily NSE = 0.39 and PBIAS = 42.90) periods, although both periods showed “unsatisfactory” percent bias. The underperformance may have been due to the model’s inability to partition fertilizer P into different P pools under high water tables or ponding conditions when using daily data. In conclusion, the RZWQM2-P model performed well for drainage discharge with daily data, but further investigation is needed to improve the P component of the model. Keywords: Field-scale modeling, Nutrient load, Phosphorus modeling, Subsurface drainage, Tile drainage, Water Quality.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».