Modelling Legacy Nitrogen Dynamics in the Transboundary Lake Erie Watershed
Notice bibliographique
Résumé
Lake Erie is a source of drinking water, recreation, and commercial opportunity for both the United States and Canada, making the protection of its water quality essential. In the past decades, Lake Erie's ecosystems have been adversely impacted by recurring toxic algal blooms. These algal blooms are attributed to nitrogen (N) and phosphorus pollution from agricultural runoff. Despite recent efforts to reduce N application in the Lake Erie basin, high levels of N concentration persist in surface and groundwater systems. One of the reasons for this apparent stasis in N concentrations is legacy stores of N in landscapes that contribute to lag times in water quality response, even after inputs have ceased. Legacy N is stored in the soil and slow-moving groundwater and makes up a large portion of current N contamination. Here, we aim to quantify N legacies across the entire Lake Erie basin to predict time lags in water quality improvements in surface and groundwater. We use a process-based model, ELEMeNT, to quantify legacy N stores and watershed-scale N dynamics over the past century across the basin. Such models inform nutrient management practices across the Lake Erie basin by explicitly incorporating \nlegacy dynamics. Our study shows that N surplus (the difference between N inputs and non-hydrological N outputs) has been rising across most Lake Erie sub-watersheds since 1950 and has only started to plateau or decrease around 2000. Agricultural inputs from manure, fertilizer, and biological fixation were the lead contributors to N surplus in agricultural sub-watersheds, and domestic N was the lead N contributor in urban sub-watersheds. Since 1950, between 4% and 44% of N has been stored as legacy N (23% median). On average, 92% of this N legacy is retained in the soil and 8% is in the groundwater. Through \ncorrelation analysis, we have found that higher fractions of groundwater N and SON legacy accumulation are correlated with slower travel times and lower tile drainage, while wastewater denitrification emerged as the dominant component in urban sub-watersheds. These results provide \ninsight into drivers of legacy N and N release in sub-watersheds, which could aid in targeted nutrient management across the 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 | 0,001 |
| 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 ».