Small lakes dominate a random sample of regional lake characteristics
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
Summary 1. Lakes are a prominent feature of the Northern Highland Lake District (NHLD) of Wisconsin, covering 13% of the landscape. Summarising the physical, chemical, or biological nature of NHLD lakes at a regional scale requires a representative sample of the full size distributions of lakes. In this study, we selected at random 168 lakes from the full size distribution of lakes in the NHLD and sampled each lake for a broad suite of limnological variables. 2. Most lakes were small. The median lake area was 1.1 ha, however, half of the surface area of water was in a relatively small number of lakes larger than 162 ha. Smaller lakes tended to be low in dissolved inorganic carbon (DIC) and high in dissolved organic carbon (DOC). Inclusion of small lakes (<4 ha) in the survey resulted in an acid neutralising capacity (ANC) median (76.5 μ Eq L −1 ) much lower than previous estimates, and a DOC median (10.1 mg L −1 ) about 50% higher than it would have been without the smaller lakes. Unlike DOC, total P tended to be evenly distributed across lake sizes. 3. The implications of these findings are that regional summaries of lake characteristics for the NHLD are influenced by the inclusion of small lakes in the sample, even though most of the water surface area is in lakes larger than 162 ha. Excluding small lakes introduces bias in the estimates of organic carbon and inorganic carbon values, for example. Similar biases may be introduced for lake characteristics at the global scale if small lakes are not sampled, because the size distribution of lakes globally is dominated in number by small lakes.
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 | 0,000 | 0,000 |
| 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) | 0,003 | 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