Choosing methods for estimating dissolved and particulate riverine fluxes from monthly sampling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In discrete water quality surveys, riverine fluxes are associated with unknown uncertainties (biases and imprecisions). Annual flux errors have been determined from the generation of discrete surveys by Monte Carlo sorting for monthly sampling, from 10 years of daily records (120 records). Eight calculation methods were tested for suspended particulate matter, dissolved solids and dissolved and total nutrients in medium to large basins (103 to 106 km2) covering a wide range of hydrological conditions and riverine biogeochemistry. The performance of each method was analysed first by type of riverine material, which appeared to be much less pertinent than the flux variability matrix. The latter combines the river flow duration in two percent of time (W2%) and the truncated exponent (b50sup) defining the relationship of concentration vs discharge (C–Q) at higher flows (C = aQb50sup). As flux variability increases (high W2% and/or high b50sup), averaging and rating curve methods become less efficient compared to hydrograph separation methods. Flux biases and imprecisions were plotted in the [W2%, b50sup] matrix for discrete monthly surveys.Editor Z. W. KundzewiczCitation Raymond, S., Moatar, F., Meybeck, M., and Bustillo, V., 2013. Choosing methods for estimating dissolved and particulate riverine fluxes from monthly sampling. Hydrological Sciences Journal, 58 (6), 1326–1339.
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.
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 | 0,001 | 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 | 0,001 | 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 découle