MétaCan
Menu
Retour à la cohorte
Enregistrement W1989362799 · doi:10.1139/f99-246

Sediment dynamics in the fluvial lakes of the St. Lawrence River: accumulation rates and characterization of the mixed sediment layer

2000· article· en· W1989362799 sur OpenAlexvenueno aff
Richard Carignan, Stéphane Lorrain

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSedimentSedimentationHydrology (agriculture)Mixed layerParticulatesEnvironmental scienceSedimentary budgetGeologySediment transportGeomorphologyOceanographyEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Permanent sedimentation ( 210 Pb and 137 Cs), sediment mixed layer thicknesses, and mixing coefficients ( 7 Be) were measured in the St. Lawrence River in order to evaluate the importance of sediment retention in the particulate matter budget and to characterize the system's resilience to changing contaminant loads. Net sediment accumulation (1 to > 18 kg·m -2 ·year -1 ) is observed at most sites deeper than 4.5 m located outside the main channels. Annual sediment retention in the lakes ranges from 1.5% (Lake St. Pierre) to 17% (Lake St. Francis) of their total load of suspended solids. 7 Be profiles indicate that the average mixed layer thickness, mixed layer mass, and mixing coefficient are 3.3 ± 0.2 cm, 17.8 ± 1.7 kg·m -2 , and 14.9 ± 2.8 cm 2 ·year -1 , respectively. The average depth of the long-term (approximately 5 years) mixed layer determined from the 137 Cs : anthropogenic Pb ratio is 5.1 ± 0.4 cm, corresponding to 30.6 ± 4.6 kg·m -2 . Because the mixing coefficient in superficial sediments is relatively high, and because annual particulate matter loading to the river is comparable with its mixed sediment inventory, the system is expected to have a rather short memory of past conditions and to recover rapidly (2-5 years) following a decrease in contaminant loading.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,200 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations28
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207