Development of a preliminary nitrogen index for different soil types in Quebec
Bibliographic record
Abstract
Le maïs est une culture importante en Amérique du Nord, avec plus de 360 000 ha cultivés intensivement au Québec. Une grande partie de ces terres cultivables du Québec est également drainée par des drains souterrains. Le maïs nécessite l'application de 120 à 180 kg/ha d'azote (N) pour optimiser son rendement, ce qui se traduit par l'application de 43 à 65 mille tonnes d'azote sur les terres cultivées de maïs au Québec. Cet ajout d'azote a des impacts environnementaux majeurs, notamment la contribution au réchauffement climatique par l'émission d'oxyde nitreux et la pollution des plans d'eau et des eaux souterraines par les nitrates (NO3-N), causée par le ruissellement et le lessivage des engrais. Pour explorer des méthodes plus durables de production de maïs qui réduisent sa contribution au réchauffement climatique, cette recherche aide à développer un indice N dépendant du type de sol qui comprend les pertes dues aux émissions d'oxyde nitreux, l'absorption d'azote par la plante, les transformations de l'azote dans le sol et les flux de NO3 aux exutoires de drainage en tuyaux. L’indice N développé est un rapport entre le N perdu et le N total disponible.Des travaux de terrain ont été menés sur quatre champs agricoles près de Saint-Hyacinthe, au Québec, afin de déterminer les caractéristiques du sol. Un champ expérimental à Saint-Emmanuel, au Québec, a également été considéré en utilisant des données publiées précédemment. DRAINMOD a été utilisé pour simuler l'hydrologie des sites afin de simuler avec précision les flux de NO3. DRAINMOD a obtenu des résultats satisfaisants avec des indices de concordance (IOA) de 0,58 à 0,95 et des efficacités de Kling-Gupta (KGE) de 0,31 à 0,72. Les flux de NO3 ont ensuite été générés à l'aide de DRAINMOD-N II pour les cinq sites et un total de trois textures de sol différentes (limoneux sableux, franco-sableux et franco-argileux). En raison du manque de données, il n'a été possible de calibrer DRAINMOD-N II que sur deux des sites. Pour ces deux sites, DRAINMOD-N II a obtenu des résultats satisfaisants avec un IOA de 0,89 à 0,97 et un KGE de 0,45 à 0,8. L'azote du sol a été calculé en fonction du travail de terrain et les paramètres restants ont été obtenus de la littérature et d'agronomes.Cinq pratiques de gestion des engrais ont été envisagées : 120, 122, 127, 180 et 222 kg N/ha. Les loams sableux ont été identifiés comme ceux qui lixivient le plus de NO3 avec des valeurs simulées de 52,39 à 82,12 kg N/ha. Les franco-argileux ont lixivié plus que les limons sableux avec des valeurs simulées de 11,6 à 33,77 kg N/ha et 32,6 à 55,13 kg N/ha, respectivement. L'indice N’a montré que les limons sableux étaient les plus à risque de pertes d'azote avec des valeurs d'indice faibles de 0,2 à 0,36, suivis des franco-argileux (0,32 à 0,59) puis des limons sableux (0,84 à 1,43). Les résultats de l'indice N indiquent que la gestion de l'azote est la plus importante sur les champs agricoles avec un sol franco-sableux puisque les résultats de l’indice N étaient les plus élevées pour les sites de limon sableux, quelle que soit la pratique de gestion des engrais. Les valeurs anormalement élevées de l'indice N pour les sites de limon sableux ont été causées par une surestimation de l'accumulation d'azote dans le sol en raison du moment des mesures de terrain.L’exactitude de l’indice N est discutable en raison de la disponibilité limitée des données. Sur la base des résultats de cette recherche, il est recommandé aux agriculteurs et aux spécialistes des éléments nutritifs de se concentrer principalement sur les indices N de niveau un, car un indice N de niveau trois nécessite beaucoup de données. Si l'indice N de niveau un signale que le site est à haut risque, il faut alors passer à un indice de niveau trois. Si l'on ne dispose pas de données précises pour réaliser un indice N de niveau trois, les résultats seraient moins fiables
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 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) | 0.002 | 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".