Uncertainty in phosphorus fluxes and budgets across the US long‐term agroecosystem research network
Notice bibliographique
Résumé
Abstract Phosphorus (P) budgets can be useful tools for understanding nutrient cycling and quantifying the effectiveness of nutrient management planning and policies; however, uncertainties in agricultural nutrient budgets are not often quantitatively assessed. The objective of this study was to evaluate uncertainty in P fluxes (fertilizer/manure application, atmospheric deposition, irrigation, crop removal, surface runoff, and leachate) and the propagation of these uncertainties to annual P budgets. Data from 56 cropping systems in the P‐FLUX database, which spans diverse rotations and landscapes across the United States and Canada, were evaluated. Results showed that across cropping systems, average annual P budget was 22.4 kg P ha −1 (range = −32.7 to 340.6 kg P ha −1 ), with an average uncertainty of 13.1 kg P ha −1 (range = 1.0–87.1 kg P ha −1 ). Fertilizer/manure application and crop removal were the largest P fluxes across cropping systems and, as a result, accounted for the largest fraction of uncertainty in annual budgets (61% and 37%, respectively). Remaining fluxes individually accounted for <2% of the budget uncertainty. Uncertainties were large enough that determining whether P was increasing, decreasing, or not changing was inconclusive in 39% of the budgets evaluated. Findings indicate that more careful and/or direct measurements of inputs, outputs, and stocks are needed. Recommendations for minimizing uncertainty in P budgets based on the results of the study were developed. Quantifying, communicating, and constraining uncertainty in budgets among production systems and multiple geographies is critical for engaging stakeholders, developing local and national strategies for P reduction, and informing policy.
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 | 0,006 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».