Development of hydrologic processes in the DNDC model to explore beneficial management for reducing nutrient losses from cropping systems
Notice bibliographique
Résumé
Promoting sustainable agricultural practices that maintain or increase crop yields while limiting negative anthropogenic influences on the environment is an important global research initiative. Biophysical agricultural models are effective science-based management tools for assessing sustainability provided they are frequently updated with our current understanding of the many interlinked environmental processes. In this thesis the widely used DeNitrification DeComposition (DNDC) model was compared to the more hydrologically complex Root Zone Water Quality Model (RZWQM2) to determine which processes were sufficient for simulating water and nitrogen dynamics. Based on these findings a new quasi-2D sub-model for tile drainage, improved water flux, root growth dynamics, and a deeper and heterogeneous soil profile were implemented in DNDC. Simulation of soil water storage, daily water flow and nitrogen loading to tile drains was greatly improved post-development. The revised model was then used to investigate fertilizer management options for reducing N losses over a multi-decadal horizon at locations in eastern Canada and the U.S. Midwest. The assessment helped to distinguish which fertilizer practices are effective in reducing N losses over a long-term time horizon. In addition, modelling methodologies were assessed for simulating the impacts of climate change on cropping systems. The DNDC model proved to be a useful tool for characterizing the feedbacks between climate, soil, crop and management that are critical for accurately assessing crop system behavior
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».