Impacto ambiental del manejo del agua de riego con sondas de capacitancia sobre la contaminación de acuíferos por nitratos
Bibliographic record
Abstract
La contaminación de los acuíferos por nitratos (NO3) es un problema medioambiental de gran importancia, que está relacionada con el uso de fertilizantes sintéticos u orgánicos, o con la existencia de pérdidas en los sistemas sépticos. El objetivo fue evaluar el impacto ambiental que ejerce el manejo del agua de riego por microaspersión mediante una programación optimizada con el monitoreo de la humedad con sondas de capacitancia FDR, comparado con el manejo tradicional sobre la contaminación de acuíferos por nitratos. Este estudio se llevó a cabo durante 2008 y 2009, en la región manzanera de Chihuahua, México, en dos huertas del Grupo La Norteñita. En cada huerta se instalaron veinte tubos de succión con cápsulas de porcelana porosa a 150 cm de profundidad. El agua lixiviada se extrajo con una periodicidad igual al monitoreo de la humedad (semanalmente de marzo a septiembre, y mensualmente de octubre a febrero), analizándose el contenido en N-NO3 por colorimetría. Además, mensualmente se analizó el contenido de N-NO3 en los 38 pozos. Los resultados mostraron que donde se maneja el agua de riego con sondas FDR no hubo efecto significativo de las láminas de riego (LR) aplicadas sobre la lixiviación de NO3. En el testigo hubo un incremento de la concentración de NO3 después de riegos profundos, mostrando un alto efecto significativo, lo que pone de manifiesto que si las LR superan las necesidades hídricas del cultivo, los NO3 se lixivian en profundidad, contaminando los acuíferos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".