Developing a pedotransfer function for the prediction of nitrogen mineralization in the agricultural soils of Quebec
Notice bibliographique
Résumé
Effective nitrogen (N) management is crucial for maximizing crop yields while minimizing environmental impacts. In the agricultural systems of Quebec, soil organic matter mineralization supplies a significant portion of crop N demand, but direct quantification is challenging and costly. This study utilized zero-N trial data to evaluate a two-pool zero-plus first-order kinetic model for predicting growing season N mineralization (GSNM) based on total N (TN) and potentially mineralizable N (PMN). Additionally, machine learning-based pedotransfer functions (PTFs) were developed to predict TN, PMN, and GSNM from easily measurable soil properties using a large soil health dataset ( n = 3117). The kinetic model showed strong agreement between predicted and observed soil N supply, especially with the inclusion of deeper soil layers and early-season mineralization estimates. Recursive feature elimination identified total carbon (TC) and clay as the best predictors for TN, yielding a Lin's concordance correlation coefficient (CCC) of 0.93 and a coefficient of determination ( R 2 ) of 0.86, while soil respiration (SR) and pH best predicted PMN (CCC = 0.89, R 2 = 0.80). For GSNM, SR, TC, and pH were the top predictors (CCC = 0.91, R 2 = 0.83). The developed PTFs provide a practical framework for estimating soil N-pools where direct data is unavailable, ultimately improving site-specific N management decisions. These tools support more efficient fertilizer use and minimize environmental losses. Future research should focus on integrating soil management practices into the development of PTFs and considering spatial and landscape variability through digital soil mapping.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».