Modeling Topsoil Phosphorus—From Observation-Based Statistical Approach to Land-Use and Soil-Based High-Resolution Mapping
Notice bibliographique
Résumé
Phosphorus (P) is a macronutrient that often limits the productivity and growth of terrestrial ecosystems, but it is also one of the main causes of eutrophication in aquatic systems at both local and global levels. P content in soils can vary largely, but usually, only a small fraction is plant-available or in an organic form for biological utilization because it is bound in incompletely weathered mineral particles or adsorbed on mineral surfaces. Furthermore, in agricultural ecosystems, plant-available P content in topsoil is mainly controlled by fertilization and land management. To understand, model, and predict P dynamics at the landscape level, the availability of detailed observation-based P data is extremely valuable. We used more than 388,000 topsoil plant-available P samples from the period 2005 to 2021 to study spatial and temporal variability and land-use effect on soil P. We developed a mapping approach based on existing databases of soil, land-use, and fragmentary soil P measurements by land-use classes to provide spatially explicit high-resolution estimates of topsoil P at the national level. The modeled spatially detailed (1:10,000 scale) GIS dataset of topsoil P is useful for precision farming to optimize nutrient application and to increase productivity; it can also be used as input for biogeochemical models and to assess P load in inland waters and sea.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».