Hot Spots and Hot Moments in Riparian Zones: Potential for Improved Water Quality Management<sup>1</sup>
Notice bibliographique
Résumé
Vidon, Philippe, Craig Allan, Douglas Burns, Tim P. Duval, Noel Gurwick, Shreeram Inamdar, Richard Lowrance, Judy Okay, Durelle Scott, and Steve Sebestyen, 2010. Hot Spots and Hot Moments in Riparian Zones: Potential for Improved Water Quality Management. Journal of the American Water Resources Association (JAWRA) 46(2):278‐298. DOI: 10.1111/j.1752‐1688.2010.00420.x Abstract: Biogeochemical and hydrological processes in riparian zones regulate contaminant movement to receiving waters and often mitigate the impact of upland sources of contaminants on water quality. These heterogeneous processes have recently been conceptualized as “hot spots and moments” of retention, degradation, or production. Nevertheless, studies investigating the importance of hot phenomena (spots and moments) in riparian zones have thus far largely focused on nitrogen (N) despite compelling evidence that a variety of elements, chemicals, and particulate contaminant cycles are subject to the influence of both biogeochemical and transport hot spots and moments. In addition to N, this review summarizes current knowledge for phosphorus, organic matter, pesticides, and mercury across riparian zones, identifies variables controlling the occurrence and magnitude of hot phenomena in riparian zones for these contaminants, and discusses the implications for riparian zone management of recognizing the importance of hot phenomena in annual solute budgets at the watershed scale. Examples are presented to show that biogeochemical process‐driven hot spots and moments occur along the stream/riparian zone/upland interface for a wide variety of constituents. A basic understanding of the possible co‐occurrence of hot spots and moments for a variety of contaminants in riparian systems will increase our understanding of the influence of riparian zones on water quality and guide management strategies to enhance nutrient or pollutant removal at the landscape scale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».