Impact of Hillslope Agriculture on Soil Compaction and Seasonal Water Dynamics in a Temperate Vineyard
Notice bibliographique
Résumé
Major losses of agricultural production and soils are caused by erosion, which is especially pronounced on hillslopes due to specific hydrological processes and heterogeneity. Therefore, the aim of this study was to assess the impact of agricultural management on the compaction, infiltration, and seasonal water content dynamics of the hillslope. Measurements were made at the hilltop and footslope, i.e., soil water content and potential were measured using sensors, wick lysimeters were used to quantify water flux, while a mini-disk infiltrometer was used to measure the infiltration rate and calculate the unsaturated hydraulic conductivity (K_unsat). Soil texture showed differences between hillslope positions, i.e., at the hilltop after 50 cm depth, the soil is classified as silty clay loam, and from 75 cm onward, the soil is silty clay, while at the footslope, the soil is silt loam even at the deeper depths. The results show a higher K_unsat at the footslope as well as higher average water volumes collected in wick lysimeters compared to the hilltop. Average water volumes showed a statistically significant difference at p < 0.01 between the hilltop and the footslope. The soil water content and water potential sensors showed higher values at the footslope at all depths, i.e., 8.0% at 15 cm, 8.4% at 30 cm, and 27.3% at 45 cm. The results show that, even though the vineyard is located in a relatively small area, soil heterogeneity is present, affecting the water flow along the hillslope. This suggests the importance of observing water movement in the soil, especially today when facing extreme weather (e.g., short-term high-intensity rainfall events) in order to protect soil and water resources.
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 | 0,000 | 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 | 0,000 |
| 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 ».