MétaCan
Menu
Retour à la cohorte
Enregistrement W2013897275 · doi:10.5194/hess-8-256-2004

Chloride concentrations in Lake Tanganyika: an indicator of the hydrological budget?

2004· article· en· W2013897275 sur OpenAlexaff
Philippe Branchu, L. Bergonzini

Notice bibliographique

RevueHydrology and earth system sciences · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Biodiversity
Établissements canadiensMcGill UniversityUniversité du Québec à Montréal
Organismes subventionnairesCentre National de la Recherche Scientifique
Mots-clésLimnologySalinityHydrology (agriculture)Surface waterEnvironmental scienceTRACERStratification (seeds)ChlorideWater levelGeologyOceanographyGeographyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. On a historical time scale, this paper investigates the effect of hydroclimatic variations on the surface water salinity of Lake Tanganyika, the largest African lake and an open freshwater reservoir. Through annual water and chemical budgets, based on original and bibliographic data, a tracer of the water regime is proposed. Chloride, an inert and conservative element, seems to be the best candidate although its contribution to salinity is small; its use as a tracer of the water regime is validated on seasonal and historical time scales. Seasonally, a monthly water and chloride budget, constructed for an average year has been compared with data acquired in 1973. On a historical time scale, bibliographic data of chloride concentrations, compiled since 1939 have been compared with the level variation curve. The relation between lake level and surface water chloride concentration is significant on both time scales. Hence, the surface salinity/chlorinity of this freshwater lake is sensitive to hydroclimatic variations even if level variations are very limited in comparison with its great depth. This sensitivity is due mainly to the permanent thermo-haline stratification of the lake. Keywords: climate, water budget, hydrochemical budget, Lake Tanganyika, limnology, salinity

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 enseignants0,010
Score d'incertitude au seuil0,593

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 Opus0,012
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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

Citations20
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetAquatic Ecosystems and BiodiversityTravaux en français237 207