Chloride leaching in two Ontario soils: Measurement and prediction using HYDRUS-1D
Notice bibliographique
Résumé
Saso, J. K., Parkin, G. W., Drury, C. F., Lauzon, J. D. and Reynolds, W. D. 2012. Chloride leaching in two Ontario soils: Measurement and prediction using HYDRUS-1D. Can. J. Soil Sci. 92: 285-296. Deterministic numerical modelling can often be used to complement and extend field results, and to provide extra insight into the mechanisms of water and solute movement within the profile of agricultural soils. Chloride leaching and near-surface soil water content in a Guelph loam and a Maryhill loam cropped to corn (Zea mays L.) were measured over a 12-mo period (October 2007 to September 2008) and simulated using the HYDRUS-1D numerical model (version 4.12). Field measurements and prediction indicated that over 70% of the applied chloride (Cl) was lost to deep drainage (below 80 cm depth) during the winter months (November 2007 to April 2008) in both soils. Normalized root mean square error (NRMSE) values for HYDRUS-1D estimates of near-surface (0- to 30-cm depth interval) soil water content over the growing season (April to September, 2008) were 28% for Guelph loam and 42% for Maryhill loam. The NRMSE value for estimated versus measured Cl mass remaining in the soil profile (0-80 cm depth interval) over the winter months was 17% for both soils. It was concluded that the HYDRUS-1D model can provide reasonable predictions of near-surface soil water content and profile leaching losses of tracer solutes. Further work is required, however, to determine if the predictive ability of HYDRUS-1D might be improved by incorporating the effects of freeze-thaw cycles on soil hydraulic properties and solute leaching. Further study is also required to establish the model's ability to simulate the leaching behaviour of reactive solutes, such as nitrate, in agricultural soils.
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 | 0,001 | 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) | 0,001 | 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 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 ».