MétaCan
Menu
Retour à la cohorte
Enregistrement W1825708147 · doi:10.1029/2002gb001976

Numerical modeling: A complementary tool for studying CO<sub>2</sub> emissions from hydroelectric reservoirs

2002· article· en· W1825708147 sur OpenAlexaffabout
Nathalie Barrette, René Laprise

Notice bibliographique

RevueGlobal Biogeochemical Cycles · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHydroelectricityEnvironmental scienceSampling (signal processing)Surface waterHydrology (agriculture)GeologyEnvironmental engineeringEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

In 1993, a vast study began on the production and emission of CO 2 from hydroelectric reservoirs in central northern Québec. During the sampling field trips, information was collected about water temperature profiles, CO 2 surface atmospheric concentrations, dissolved CO 2 concentration profiles through the depth of the reservoirs, and CO 2 fluxes at the surface and the bottom of the reservoirs, as well as many surface meteorological parameters. One of the goals of the project was to develop a mathematical model capable of simulating the physical processes responsible for the vertical transport of dissolved CO 2 in hydroelectric reservoirs. This combined approach of measurements and numerical modeling confirmed certain hypotheses concerning the missing source of CO 2 , the existence of a spring peak of CO 2 emission and an intense fall peak of CO 2 emission for deep reservoirs. Moreover, a relation between differences in patterns of CO 2 emission and reservoir depth was highlighted. It is shown that the numerical model developed in this research can be used to develop sampling strategies based on the characteristics of temporal and spatial distributions associated with each reservoir.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,239
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Biogeochemical CyclesMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207