MétaCan
Menu
← Back to cohort
Record W7161988438 · doi:10.82308/73

Modeling surface runoff and subsurface tile drainage under regular drainage and controlled drainage with sub- irrigation in Southern Ontario

2015· dissertation· en· W7161988438 on OpenAlexaboutno aff
Cheng Lu

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldEnvironmental Science
TopicHydrology and Watershed Management Studies
Canadian institutionsnot available
Fundersnot available
KeywordsDrainageTile drainageDrainage basinWatertable controlHydrology (agriculture)Well drainage

Abstract

fetched live from OpenAlex

Le drainage contrôlé avec sous-irrigation a été appliqué en tant qu’une stratégie au sud d’Ontario afin de mitiger la perde des éléments nutritifs, des terres agricoles avec un système drainage souterrain aux eaux pluviales. Le modèle de qualité de l’eau de la zone de racine (RZWQM2) a été utilisé à grand échelle pour simuler les effets de la gestion sur la production de culture ainsi que la qualité de l’eau et le sol, et un composant de sous-irrigation a été récemment développé. L’objectif de cette étude est de modeler le ruissellement, le drainage souterrain et le rendement de culture sous l’effet de deux pratiques de gestion d’eau tel que le drainage régulier et le drainage contrôlé avec sous-irrigation au sud d’Ontario. Les données hydrologiques et de rendement observées et ramassées sur le terrain du Juin 2008 au Décembre 2011 pour un champ du maïs-soja sous ceux deux pratiques de gestion d’eau à proximité de Harrow, ON, ont été utilisées afin d’évaluer le RZWQM2. Les débits mesurés de l’eau en surface et de l’eau souterraine, ont été surveillés en continu toute au longe de l’année. La sous-irrigation n’était pas mesurée mais elle était estimée en supposant que l’évapotranspiration journalière estimée a été atteint par le modèle. Le RZWQM2 a été calibré and validé contre les données du drainage et du rendement respectivement par le drainage régulier et le drainage contrôlé avec sous-irrigation. Pour le calibrage contre les données du ruissellement et drainage sous le drainage régulier, le pourcentage de biais (PBIAS) était entre ±15%, le rendement de Nash-Sutcliffe (NSE) était plus de 0.5 et l’indice d’accordance (IOA) était plus de 0.80. Cependant, pour la validation sous le drainage contrôlé avec sous-irrigation, le PBIAS était au-delà de ±15%, NSE < 0.22, et IOA < 0.78. Cette étude de modélisation a fait prouve que le RZWQM2 est capable de prédire le drainage et le ruissellement sous le drainage régulier, mais ce n’est pas aussi précise pour le drainage contrôlé avec sous-irrigation. La raison pourrait être une estimation incorrecte du teneur de sous-irrigation comme la donnée du modèle.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.126
Threshold uncertainty score0.254

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.000
Open science0.0010.000
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.009
GPT teacher head0.210
Teacher spread0.201 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes1
Has abstractyes

Explore more

Same topicHydrology and Watershed Management Studies→French-language works237,207→