Modelling the effects of climate on long-term patterns of dissolved organic carbon concentrations in the surface waters of a boreal catchment
Notice bibliographique
Résumé
Abstract. Dissolved organic carbon concentrations ([DOC]) in surface waters are increasing in many regions of Europe and North America. These increases are likely driven by a combination of changing climate, recovery from acidification and change in severity of winter storms in coastal areas. INCA-C, a process-based model of climate effects on surface water [DOC], was used to explore the mechanisms by which changing climate controls seasonal to inter-annual patterns of [DOC] in the lake and outflow stream of a small Finnish catchment between 1990 and 2003. Both production in the catchment and mineralization in the lake controlled [DOC] in the lake. Concentrations in the catchment outflow were controlled by rates of DOC production in the surrounding organic soils. The INCA-C simulation results were compared to those obtained using artificial neural networks (ANN). In general, "black box" ANN models provide better fits to observed data but process-based models can identify the mechanism responsible for the observed pattern. A statistically significant increase was observed in both INCA-C modelled and measured annual average [DOC] in the lake. This suggests that some of the observed increase in surface water [DOC] is caused by climate-related processes operating in the lake and catchment. However, a full understanding of surface water [DOC] dynamics can only come from catchment-scale process-based models linking the effects of changing climate and deposition on aquatic and terrestrial environments.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».