Spatial Analysis of Land Use Impact on Ground Water Nitrate Concentrations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In spatial analyses of causes or health effects of environmental pollutants, small units of analyses are usually preferred for internal environmental homogeneity reasons but can only be done when fine resolution data are available for most units. Objectives of this study were to determine which land use practices were spatially associated with ground water nitrate concentrations across Prince Edward Island (PEI), Canada, and which spatial aggregation is the preferred unit of analyses. Nitrate concentrations were determined for 4855 samples from private wells. Validated field-by-field land use data were available. Average nitrate concentration and percentage of area for the 14 major land use categories in PEI were determined for each of three spatial aggregations: watersheds based on topography and hydrology; freeform polygon boundaries based on similar neighboring nitrate concentrations; and 500-m buffer zones around each well. Results showed that the percentages of potato, grain, and hay coverage were positive predictors of ground water nitrate concentrations. Percentage of blueberry was a marginally significant negative predictor in the watershed and freeform polygon models, and percentage of residential coverage was a positive predictor in the freeform polygon and buffer zone models. Spatial autocorrelation was present in the freeform polygon and buffer zone models even after land use was taken into account. In conclusion, analyses based on watersheds produced the best predictive model with the percentages of land cover of potato, hay, and grain being significantly associated with ground water nitrate concentrations, and the percentages of blueberry, clear-cut woodland, and other agriculture being marginally significant.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle