MétaCan
Menu
Retour à la cohorte
Enregistrement W2009099950 · doi:10.1139/f01-142

Calcium declines in northeastern Ontario lakes

2001· article· en· W2009099950 sur OpenAlexvenueaboutno aff
Wendel Keller, Sweta Dixit, Jocelyne Heneberry

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcid depositionEnvironmental scienceDiatomLeaching (pedology)Deposition (geology)Environmental chemistryCalciumWater qualityPaleolimnologyAcid rainSedimentEcologyHydrology (agriculture)ChemistryGeologySoil waterBiologySoil science

Résumé

récupéré en direct d'OpenAlex

Thousands of lakes in northeastern Ontario, Canada, have been acidified by sulphur deposition associated with emissions from the Sudbury area metal smelters. However, water quality improvements including increased pH and reduced sulphate concentrations have followed large reductions in Sudbury emissions that were implemented, beginning in the 1970s. Substantial decreases in Ca concentrations accompanied these other changes in lakewater chemistry. Monitoring of 38 lakes 20–128 km from Sudbury showed declines in Ca concentrations, averaging 2.7 µeq·L –1 ·year –1 , over the period 1981–1999. Declines were particularly apparent during the 1990s, averaging 3.8 µeq·L –1 ·year –1 . Paleolimnological reconstructions of the long-term Ca patterns in six lakes suggest that general lakewater Ca declines occurred through much of the 20th century. Comparison of recent measured Ca concentrations in 16 lakes with diatom-inferred pre-industrial Ca concentrations indicates that overall decreases in Ca have been large, averaging 74.6 µeq·L –1 or 46%. Long-term Ca patterns may reflect a combination of factors including climatic changes, forest harvesting activities, and leaching by acid deposition, the effects of which we can not separate. Calcium declines have biological implications that will need to be considered in the development of appropriate targets as these lakes continue to recover from acidification.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,701
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,032
Tête enseignante GPT0,232
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.

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

Citations87
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetHeavy metals in environmentTravaux en français237 207