MétaCan
Menu
Retour à la cohorte
Enregistrement W2076944603 · doi:10.1139/f06-131

Water color affects the stratification, surface temperature, heat content, and mean epilimnetic irradiance of small lakes

2006· article· en· W2076944603 sur OpenAlexvenueno aff
Jeffrey N. Houser

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpilimnionDiel vertical migrationThermoclineIrradianceStratification (seeds)Environmental scienceTemperate climateAtmospheric sciencesEcologyOceanographyGeologyHypolimnionBiologyEutrophicationBotanyNutrient

Résumé

récupéré en direct d'OpenAlex

The effects of water color on lake stratification, mean epilimnetic irradiance, and lake temperature dynamics were examined in small, north-temperate lakes that differed widely in water color (1.5–19.8 m –1 ). Among these lakes, colored lakes differed from clear lakes in the following ways: (i) the epilimnia were shallower and colder, and mean epilimnetic irradiance was reduced; (ii) the diel temperature cycles were more pronounced; (iii) whole-lake heat accumulation during stratification was reduced. The depth of the epilimnion ranged from 2.5 m in the clearest lake to 0.75 m in the most colored lake, and 91% of the variation in epilimnetic depth was explained by water color. Summer mean morning epilimnetic temperature was ~2 °C cooler in the most colored lake compared with the clearest lake. In clear lakes, the diel temperature range (1.4 ± 0.7 °C) was significantly (p = 0.01) less than that in the most colored lake (2.1 ± 1.0 °C). Change in whole-lake heat content was negatively correlated with water color. Increasing water color decreased light penetration more than thermocline depth, leading to reduced mean epilimnetic irradiance in the colored lakes. Thus, in these small lakes, water color significantly affected temperature, thermocline depth, and light climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,185
Écart entre enseignants0,169 · 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 tête enseignante, 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

Citations132
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207