MétaCan
Menu
Retour à la cohorte
Enregistrement W4401150218 · doi:10.1002/hyp.15242

Variable soil moisture responses to rainfall events in fields under different management practices

2024· article· en· W4401150218 sur OpenAlexaff
Amila Ljutic, Jack Moore, Geneviève Ali, Laura Van Eerd, Merrin L. Macrae, Claudia Wagner‐Riddle

Notice bibliographique

RevueHydrological Processes · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversity of WaterlooMcGill UniversityUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceWater contentVariable (mathematics)Hydrology (agriculture)MoistureSoil scienceGeologyMeteorologyGeotechnical engineeringGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Soil moisture response to rainfall is a key factor that dictates how well a landscape can support crop growth as well as its susceptibility to water runoff and leaching, however, few studies have investigated how agricultural management impacts this important soil function. This study compares two common agricultural soil treatments (cover crops and soil compaction) and their soil moisture response to rainfall in comparison to a control. In a humid temperate climate during March to November, individual rainfall events were delineated over two growing seasons and corresponding soil moisture responses were identified using in situ soil moisture sensors at four soil depths (20, 30, 40, and 60 cm). Results suggest that hydrological responses differed with both event type and management treatment. Not all rainfall events triggered a response: those that triggered responses at shallower soil depths were typically characterized by higher total event rainfall, and higher maximum and average rainfall intensity. In contrast, rainfall events triggering responses at deeper soil depths were characterized by longer event duration as well as higher 10‐day antecedent rainfall (AR). Soil moisture responses for the cover crop treatment were characterized by relatively lower initial and peak soil moisture at shallower depths but higher values at 60 cm depth, whereas soil moisture responses for the control and compacted soil treatments demonstrated the opposite. Matrix flow was most often generated for rainfall events with high magnitude and was not preferentially associated with any particular soil treatment. However, specific conditions were needed to generate vertical preferential flow, namely high total event rainfall for both horizons, or high AR for preferential flow in the Ap horizon, or high rainfall intensity for preferential flow in the Bt horizon. Our findings demonstrate the potential for detailed event‐based soil water process analysis using high‐frequency, multi‐depth soil moisture data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,277
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetSoil Moisture and Remote SensingTravaux en français237 207