MétaCan
Menu
Retour à la cohorte
Enregistrement W1990921510 · doi:10.1080/14634980590953770

Surface water quality in Manitoba with respect to six chemical parameters, water body and sediment type and land use

2005· article· en· W1990921510 sur OpenAlexaffabout
Eva Pip

Notice bibliographique

RevueAquatic Ecosystem Health & Management · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceOrganic matterTotal dissolved solidsWater qualityEffluentSurface waterHydrology (agriculture)SedimentNitrateDissolved organic carbonSurface runoffContaminationLand useEnvironmental chemistryEnvironmental engineeringEcologyChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Surface waters at 425 sites in Manitoba were analyzed for total dissolved solids, nitrate-nitrogen, dissolved organic matter, cadmium, lead and copper. Regional differences in chemical parameters were found for various areas of the province and for some bottom sediment types. Sites were classified according to predominant type of land use: minimal, cropland, livestock, mining, recreation, forest logging, hydroelectric development and urban effluent. The highest mean values of total dissolved solids, cadmium and copper were associated with mining, although the highest absolute values for copper were found in cottage and recreational areas due to the use of copper sulphate to control algal blooms. Urban effluents and agriculture significantly elevated total dissolved solids and nitrate. Elevated dissolved organic matter was most associated with land clearing and urban effluents. The relative significance of the various human activities differed with geographical region. Streams were the most vulnerable to contamination, particularly on the Precambrian Shield. Water quality problems exist in some areas in the province, and management must take into account the regional characteristics of surface waters, as well as address the varying nature and intensity of contamination generated by human land uses.

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)0,002
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 enseignants0,210
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,040
Tête enseignante GPT0,296
Écart entre enseignants0,256 · 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

Citations11
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAquatic Ecosystem Health & ManagementMême sujetWater Quality and Pollution AssessmentTravaux en français237 207