Exportation saisonnière d'herbicides vers les cours d'eau mesurée sur six champs agricoles sous quelques pratiques culturales du maïs (Basses-Terres du St-Laurent)
Bibliographic record
Abstract
L'identification de pratiques agricoles qui minimisent les risques de contamination des eaux de surface nécessite d'évaluer l'importance des voies de transfert des herbicides vers les cours d'eau. Le but de cette étude est d'évaluer à l'échelle du champ agricole et pour une saison de culture l'exportation effective de l'atrazine et du métolachlore par ruissellement de surface et par drainage, ceci pour des conditions pédo-climatiques et agronomiques représentatives de la culture intensive du maïs-grain dans les Basses-Terres du St-Laurent (Québec). Pour les deux premiers événements pluviaux d'importance suivant l'application des herbicides, seulement deux des six champs étudiés ont présenté un ruissellement quittant le champ : les concentrations en herbicides ont atteint 1200 mg/L et 2400 mg/L. La charge exportée en herbicides semble inférieure dans le cas du non travail du sol (semis direct), comparativement au labour conventionnel. Les concentrations en herbicides dans l'eau de drainage sont inférieures à 6 mg/L (pour la majorité inférieures à 1-2mg/L) pour quatre champs, alors que deux champs ont présenté des concentrations atteignant 40-60 mg/L. La charge exportée par drainage apparaît être faible dans le cas de l'application d'herbicides en bandes, comparativement à l'application en surface totale. La masse en herbicides exportée par ruissellement (estimée à partir de coefficients de ruissellement probables) serait supérieure à celle par drainage. Une démarche destinée à diminuer les masses en herbicides exportées devrait ainsi viser la principale voie de cette exportation, c'est-à-dire le ruissellement de surface.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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; both teacher heads agree on what is shown here.
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".