MétaCan
Menu
← Back to cohort
Record W7161994796 · doi:10.82308/22429

Modelling phosphorus loss through surface runoff and tile drainage from agricultural fields in Southern Ontario using ICECREAM

2016· dissertation· en· W7161994796 on OpenAlexaboutno aff
Hongkai Qi

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldEnvironmental Science
TopicSoil and Water Nutrient Dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsDrainageHydrology (agriculture)Surface runoffTile drainageWater erosionSoil water

Abstract

fetched live from OpenAlex

La perte du phosphore des terrains agricoles par l'écoulement de l'eau est l'une des problèmes environnementaux sérieux qui aboutit aux problèmes de qualité de l'eau telle que l'eutrophisation. Afin de résoudre ce problème, premièrement, les méthodes et les équations reliées à la perte de phosphore par le drainage souterrain dans les différents modèles de qualité de l'eau ont été examinées. Il a été conclu que huit modèles actuelles (ADAPT, ANIMO, APEX, HYDRUS, ICECREAM, MACRO, PLEASE, SWAP) sont capables de simuler le transport du phosphore au drainage souterrain basé sur leurs équations. ICECREAM prend l'origine de GLEAMS et CREAMS, ayant été modifié pour les conditions nordiques, le modèle ICECREAM pourrait être considérer le modèle le plus compréhensif actuel pour la simulation de la perte de phosphore par le drainage souterrain des terrains agricoles. L'objectif de cette thèse était d'utiliser ICECREAM pour simuler la perte du phosphore par les écoulements superficiels et souterrains ainsi que d'évaluer la performance de ICECREAM sous les conditions climatique du Canada. Les données du terrain expérimental d'AAFC situé à l'Ontario du Sud ont été appliquées pour cette recherche. Les parcelles numéro 5 et 9 simulées, sur lesquelles l'engrais inorganique de phosphore a été appliqué, profitées du drainage souterrain construit. La période de simulation par ICECREAM est comprise de 4 années culturales du 1er Juin 2008 au 12 Mai 2012. La rotation culturale a été alternée entre le maïs et le soja chaque année. Les données de l'eau et du phosphore ont été mesuré en18 périodes sur toute la durée de la simulation. Les deux premières années culturales ont été utilisées pour la calibration (2008 et 2009), et les deux années suivant ont été utilisé comme la validation (2010 et 2011). Les six résultats de la simulation composant du ruissellement, le drainage, le contenu de DPR et PP dans le ruissellement et le drainage, ont été comparés avec ceux des données observées en utilisant des facteurs statistiques tels que NSE et PBIAS. Les résultats ont démontré que, bien que le modèle ICECREAM ait échoué à prédire la perte de TP et PP par l'écoulement souterrain de l'eau pendant la période de 2010 et 2011, en général, le modèle ICECREAM a réussi à simuler le ruissellement, le drainage, le contenu de DRP et PP avec précision pour tous les deux le ruissellement superficiel et le drainage souterrain. La température du sol et le phosphore dans les récoltes de grain ont été simulés avec satisfaction fondée sur les critères de NSE et PRBAIS, mais cela n'a pas été le cas pour l'humidité du sol. Par conséquent, I faut que l'algorithme qui calcule la perte PP au drainage souterrain soit réexaminé afin d'améliorer la simulation de l'humidité du sol. I faut accorder la même attention aux saisons végétatives et non-végétatives pour la simulation et l'observation de la perte du phosphore des terrains drainés. Il est suggéré de plus d'évaluer ce modèle pour les cas avec l'application d'engrais, ainsi que les différentes conditions du sol et du climat après l'amélioration de la simulation du PP et l'humidité du sol dans le modèle ICECREAM.

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)0.000
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 score0.177
Threshold uncertainty score0.357

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
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 head0.011
GPT teacher head0.207
Teacher spread0.196 · 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
Published2016
Admission routes1
Has abstractyes

Explore more

Same topicSoil and Water Nutrient Dynamics→French-language works237,207→