MétaCan
Menu
Retour à la cohorte
Enregistrement W2040159171 · doi:10.2134/jeq2005.0027

Upflow Reactors for Riparian Zone Denitrification

2006· article· en· W2040159171 sur OpenAlexaffabout
Peter W. van Driel, W. D. Robertson, L. C. Merkley

Notice bibliographique

RevueJournal of Environmental Quality · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensToronto and Region Conservation AuthorityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRiparian zoneDenitrificationParticle (ecology)Environmental engineeringChemistryEnvironmental scienceHydrology (agriculture)Environmental chemistryNitrogenGeologyEcologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

We used permeable reactive subsurface barriers consisting of a C source (wood particles), with very high hydraulic conductivities ( approximately 0.1-1 cm s(-1)), to provide high rates of riparian zone NO3-N removal at two field sites in an agricultural area of southwestern Ontario. At one site, a 0.73-m3 reactor containing fine wood particles was monitored for a 20-mo period and achieved a 33% reduction in mean influent NO3-N concentration of 11.5 mg L(-1) and a mean removal rate of 4.5 mg L(-1) d(-1) (0.7 g m(-2) d(-1)). At the second site, four smaller reactors (0.21 m3 each), two containing fine wood particles and two containing coarse wood particles, were monitored for a 4-mo period and were successful in attenuating mean influent NO3-N concentrations of 23.7 to 35.1 mg L(-1) by 41 to 63%. Mean reaction rates for the two coarse-particle reactors (3.2 and 7.8 mg L(-1) d(-1), or 1.5 and 3.4 g m(-2) d(-1)) were not significantly different (p > 0.2) than the rates observed in the two fine-particle reactors (5.0 and 9.9 mg L(-1) d(-1), or 1.8-3.5 g m(-2) d(-1)). A two-dimensional ground water flow model is used to illustrate how permeable reactive barriers such as these can be used to redirect ground water flow within riparian zones, potentially augmenting NO3- removal in this environment.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,248
Écart entre enseignants0,229 · 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

Citations43
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental QualityMême sujetUrban Stormwater Management SolutionsTravaux en français237 207