MétaCan
Menu
← Retour à la cohorte
Enregistrement W7002146079

Mitigating greenhouse gas emissions in subsurface-drained fields in Eastern Canada

2018· dissertation· en· W7002146079 sur OpenAlexafffundabout

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2018
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueDiverse Cultural and Historical Studies
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesAgriculture and Agri-Food CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésDrainageGreenhouse gasTile drainageWater qualityWater tableHydrology (agriculture)Soil and Water Assessment ToolCrop yieldClimate change
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In wet regions subsurface drainage is essential in removing excess water in soil and promoting crop growth; however, it may also result in environmental problems.Implementation of agricultural best management practices (BMPs) on subsurface-drained lands can mitigate environmental problems brought on by human activities and climate change.To provide effective mitigation and adaptation measures for the management of subsurface-drained fields, a quantitative assessment of the impact of water table depth, agronomic management practices, and climate-change-driven rises in greenhouse gas (GHG) emissions on water quality and crop production were assessed through an modeling approach (Root Zone Water Quality Model, RZWQM2).Drawing on a comprehensive hydrological dataset (i.e., tile drainage, sub-irrigation, soil water content, sap flow and crop growth) for calibration, the RZWQM2 then accurately simulated crop growth and growing season drainage.However, the model significantly overestimated winter tile flow, indicating its reliability to be compromised by its imperfect winter drainage process.Implementation of Kalman filter technique successfully enhanced model reliability and reduced predictive uncertainties in simulating winter drainage in cold areas.The revised modelling approach could then serve to evaluate water and field management scenarios for subsurface-drained and irrigated fields.A comparison of the abilities of the RZWQM2 and DNDC models to comprehensively simulate both crop growth and the biogeochemical processes occurring within the soil profile, showed both models to accurately estimate soil temperature, but DNDC to perform poorly in v tempé rature du sol, mais que, n'étant ni capable de simuler un profil du sol profond ou hé té rogè ne, ni la masse volumique de racines de la culture, DNDC fut peu performant quant à la simulation de la teneur en eau du sol.Pour la simulation des é missions de N2O, les deux modè les pré sentè rent des performances semblables pour les quatre traitements imposé s, les é missions cumulatives de N2O é tant pré dites à ±15% prè s des valeurs mesuré es.Cependant, RZWQM2 livra de meilleures estimations des é missions de CO2 (R 2 plus é levé , erreur quadratique moyenne moins é levé e) que DNDC.Les deux modè les livrè rent de bonnes estimations (en deç a de ±15% d'erreur) de l'écoulement souterrain saisonnier; cependant, les pré dictions de l'écoulement souterrain journalier par RZWQM2 s'avérèrent plus précises que celles de DNDC, qui n'était pas équipé pour simuler le drainage contrôlé ou l'irrigation souterraine.Quant à la pré diction du rendement en grain du maï s et des fè ves soja, les deux modè les offrirent une performance satisfaisante.Globalement, RZWQM2 s'avéra d'une plus grande applicabilité à la simulation des processus biogéochimiques des terres équipées d'un système de drainage souterrain que ne l'était DNDC.RZWQM2 a servi à é valuer la compé tence de diffé rents MPGs envisageables à mitiger les émissions de GES provenant d'un champ de maïs équipé de drainage souterrain et opérant un systè me de gestion de la nappe phré atique.La plage optimale de fertilisation en azote permettant de ré duire les é missions de GES tout en maintenant l'efficacité d'utilisation de l'azote et le rendement du maïs s'avéra entre 125 et 175 kg N ha -1 .Une application fractionné e d'engrais azoté ré duisit les é missions en N2O de 11%.Comparé au drainage libre, une irrigation souterraine sous ré gime de contrôle du drainage donna lieu à une augmentation des é missions en N2O de 21%, mais une baisse de 6% des é missions en CO2.Par rapport à une monoculture ré pé té e de maï s, une rotation maï s-soya ré duisit les é missions de GES de 20%.vi Les impactes du changement climatique sur le rendement agricole, la qualité des eaux et les émissions de GES de deux champs situés dans l'est du Canada et munis de drains souterrains, furent é valué s avec RZWQM2.Sous des scénarios climatiques du futur, l'écoulement moyen d'eau par les drains souterrains et la perte d'azote par ceux-ci augmenterait de 23-41% et 47-76%, respectivement.Une augmentation de la dé nitrification et de la miné ralisation mè nerait à une augmentation de 21-25% des é missions en N2O, tandis qu'une plus grande accumulation de biomasse de maï s, une dé composition plus rapide des ré sidus de culture, et une plus grande activité microbienne du sol augmenterait les é missions de CO2 de 16%.Ces simulations ont, en outre, indiqué que le rendement du maï s diminuerait, tandis que celui des fè ves soja augmenterait.De plus, le changement climatique, en augmentant les é missions de GES provenant des terres agricoles ainsi que les pertes d'azote par le chemin des eaux de drainage, aggraverait la pollution environnementale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,035
Score d'incertitude au seuil0,255

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,028
Tête enseignante GPT0,261
Écart entre enseignants0,233 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)→Même sujetDiverse Cultural and Historical Studies→Travaux en français237 207→