Evaluation of Best Management Practices to Reduce Phosphorus and Sediment Loading in Gully Creek Watershed using SWAT
Bibliographic record
Abstract
Les Grands Lacs contiennent plus de 20 % des ressources en eau douce en surface. En raison de pratiques agricoles intenses, les écosystèmes des Grands Lacs se sont détériorés. Comme la pollution de l'eau causée par l'activité agricole est une pollution diffuse, elle est beaucoup plus difficile à évaluer que la pollution à sources ponctuelles, dont on peut aisément identifier les sources. Avec l'aide de la modélisation mathématique, on peut faire une évaluation raisonnable de cette pollution et proposer différentes options [pratiques exemplaires de gestion (PEG)] pour atténuer le problème. Le Soil & Water Assessment Tool (SWAT) a été choisi pour modéliser l'hydrologie du bassin versant du Gully Creek en Ontario. SWAT est un modèle de simulation continue à l'échelle du bassin versant. Les données disponibles servirent à calibrer et valider le modèle. La statistique d’efficacité de Nash-Sutcliffe (NSE), le pourcentage de biais (PBIAS) et du coefficient de détermination (R2) servirent à évaluer la performance du modèle pour la simulation du débit, et des apports en sédiments et phosphore. Faute de données exhaustives, la calibration fut effectuée pour le débit, et les apports en sédiments et phosphore entre le début de 2011 et 2013. La calibration du modèle pour le débit s'est avérée satisfaisante, avec un NSE de 0,5, un PBIAS de 24,8 % et un R2 de 0,53. Cependant, la calibration de l’apport en sédiments n'a pas donné de résultats satisfaisants pour l'NSE, le PBIAS et le R2, avec des valeurs de -0,75, 33,8 % et 0,14, respectivement. De même, l’exactitude des valeurs simulées de la charge en phosphore totale s’avéra in satisfaisante. Un scénario " sans PEG " fut créé pour évaluer l'efficacité des PEG actuels et potentiels. La charge totale de phosphore fut réduite le plus sous les scénarios "Retirer en forêt" et "Retirer en pâturage," soit de 90 % et 73 % par rapport au système d’exploitation présent. Les PEG de travail de conservation du sol pourraient aussi réduire la charge de phosphore. Les PEG sans labour ont réduit le phosphore de 23 % par an, et, en particulier de 16 % pendant la saison de croissance. Comparativement, un travail minimum du sol l'a réduit de 8 % par an, mais seulement 1 % hors saison. Les bandes de végétation filtrantes (BVF) aux limites des champs ont réduit les pertes de phosphore de 61 %. Une culture de couverture a permis de réduire les pertes annuelles de phosphore de 13 %, avec une réduction considérable (29 %) au printemps. Cette étude démontre comment les PEG et la modélisation hydrologique à l'aide de SWAT peut aider les planificateurs à contrôler la pollution du sol et de l'eau à l'échelle du bassin versant. L'étude actuelle démontre diverses méthodes de conservation et offre des conseils pratiques sur la façon de choisir les meilleures PEG pour les bassins versants agricoles
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 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".