Dynamic Modeling of Soil Water Dynamics and Nitrogen Species Transport with Multi-Crop Rotations Under Variable-Saturated Conditions
Notice bibliographique
Résumé
Excessive application of nitrogen (N) fertilizers in agriculture poses significant environmental risks, notably nitrate leaching into groundwater. This study evaluates soil water dynamics and the transport of urea, ammonium, and nitrate under variable-saturated conditions in a long-term experimental field in Croatia, Europe. Utilizing HYDRUS-1D and HYDRUS-2D models, we simulated water flow and nitrogen transformation and transport across six lysimeter-monitored locations over four years (2019–2023), incorporating diverse crop rotations and N addition. Key modeled processes included nitrification, urea hydrolysis, and nitrate leaching, integrating field-measured parameters and climatic conditions. The models achieved high reliability, with R2 values for water flow ranging from 0.58 to 0.97 and for nitrate transport from 0.13 to 0.97; however, some cases reported lower reliability. Results revealed that nitrate leaching was influenced by precipitation patterns, soil moisture, crop growth stages, and fertilization timing. Peak nitrate losses were observed during early crop growth and post-harvest periods when elevated soil moisture and reduced plant uptake coincided. The findings highlight the importance of optimizing nitrogen application strategies to balance crop productivity and environmental protection. This research demonstrates the effectiveness of numerical modeling as a tool for sustainable nitrogen management and groundwater quality preservation in agricultural systems. It also indicates the need for further development by capturing some of the processes such as identification in the N cycle.
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 ».