Disparities in nitrogen and phosphorus management across time and space: a case study of the Chesapeake Bay using the CAFE framework
Notice bibliographique
Résumé
Abstract Efficient management of nitrogen (N) and phosphorus (P) is imperative for sustainable agriculture, resource conservation, and reducing environmental pollution. Despite progress in on-farm practices and urban wastewater treatment in the Chesapeake Bay (CB) watershed, limited attention has been given to nutrient transport, use, and handling between farms and urban environments. This study uses the hierarchical CAFE (Cropping system, Animal-crop system, Food system, and Ecosystem) framework to evaluate nutrient management performances within the watershed. We first develop a three-decade, county-level nutrient budget database (1985–2019), then analyze the spatiotemporal patterns of N and P budgets, as well as N and P use efficiencies, within the four CAFE hierarchies. Our results indicate a sizable increase in potential N and P losses beyond crop fields (i.e. in the Animal-crop system, Food system, and Ecosystem), surpassing losses from cropland in over 90% of counties. To address these system-wide trade-offs, we estimate the nutrient resources in waste streams beyond croplands, which, if recovered and recycled, could theoretically offset mineral fertilizer inputs in over 60% of counties. Additionally, the growing imbalance in excess N versus P across systems, which increases the N:P ratio of potential losses, could pose an emerging risk to downstream aquatic ecosystems. By utilizing a systematic approach, our novel application of the CAFE framework reveals trade-offs and synergies in nutrient management outcomes that transcend agro-environmental and political boundaries, underscores disparities in N and P management, and helps to identify unique opportunities for enhancing holistic nutrient management across systems within the CB watershed.
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 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».