MétaCan
Menu
Retour à la cohorte
Enregistrement W2018226100 · doi:10.1021/es011215r

Spectrofluorescence of Sediment Humic Substances and Historical Changes of Lacustrine Organic Matter Provenance in Response to Atmospheric Nutrient Enrichment

2002· article· en· W2018226100 sur OpenAlexaff
Alexander P. Wolfe, Sujay S. Kaushal, J. Robin Fulton, Diane M. McKnight

Notice bibliographique

RevueEnvironmental Science & Technology · 2002
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Park Service
Mots-clésSedimentOrganic matterProvenanceEnvironmental chemistryDiatomEnvironmental scienceNutrientBiogeochemical cycleEnvironmental changeGeologyOceanographyChemistryClimate changeGeomorphologyGeochemistry

Résumé

récupéré en direct d'OpenAlex

Humic substances were extracted from the sediments of two small alpine lakes in the Colorado Front Range and characterized by three-dimensional fluorescence spectroscopy. The fluorescence index (FI), defined as the ratio of fluorescence emitted at 450 nm to that emitted at 500 nm from an excitation wavelength of 370 nm, was computed and thereafter compared to additional sediment proxies of recent environmental change. Stratigraphic changes in both sediment C:N ratios and diatom assemblages parallel those of Fl, together indicating pronounced increases in the contribution of autochthonous organic matter to lake sediments since the mid-20th century. This result is consistent with increased algal production attributable to nutrient enrichment, given thatthe region undergoes episodic nitrogen saturation in response to anthropogenic N emission. The validation of sediment Fl measurements through comparisons with independent methods demonstrates the utility of this technique for characterizing shifts in the provenance of lake sediment organic matter arising from changing environmental conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,005
Tête enseignante GPT0,163
Écart entre enseignants0,158 · 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 source (Gemma direct ou Codex distillé), 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

Citations100
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMarine and coastal ecosystemsTravaux en français237 207