Worldwide retention of nutrient silicon by river damming: From sparse data set to global estimate
Notice bibliographique
Résumé
Abstract Damming of rivers represents a major anthropogenic perturbation of the hydrological cycle, with the potential to profoundly modify the availability of nutrient silicon (Si) in streams, lakes, and coastal areas. A global assessment of the impact of dams on river Si fluxes, however, is limited by the sparse data set on Si budgets for reservoirs. To alleviate this limitation, we use existing data on dissolved Si (DSi) retention by dams to calibrate a mechanistic model for the biogeochemical cycling of DSi and reactive particulate Si (PSi) in reservoir systems. The model calibration yields a relationship between the annual in‐reservoir siliceous primary productivity and the external DSi supply. With this relationship and an estimate of catchment Si loading, the model calculates the total reactive Si (RSi = DSi + PSi) retention for any given reservoir. A Monte Carlo analysis accounts for the effects of variations in reservoir characteristics and generates a global relationship that predicts the average reactive Si retention in reservoirs as a function of the water residence time. This relationship is applied to the Global Reservoirs and Dams database to estimate Si retention by damming worldwide. According to the results, dams retain 163 Gmol yr −1 (9.8 Tg SiO 2 yr −1 ) of DSi and 372 Gmol yr −1 (22.3 Tg SiO 2 yr −1 ) of RSi, or 5.3% of the global RSi loading to rivers.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».