Response of Carbon Sink Dynamic Behaviors to River Flood in Karst Area – A Case Study in the Li River of Guilin
Notice bibliographique
Résumé
Li River appeared successively three times floods during May 8-17, 2012. We were high-frequency monitoring during the flood once every hour, real time monitoring the pH value, water temperature, EC(electrical conductivity), pCO2(carbon dioxide partial pressure), HCO3- and flow rate, analyzing karst carbon sinks dynamic changes during the flood. It was found that river hydrochemistry and karst carbon sinks in different stages with different variations in Li River. These floods were divided into 5 stages to discuss, researches have shown: AtIand Vstage the river hydrochemistry is not subjected to flooding, pCO2 and pH value, water temperature has distinct characteristics of diurnal variation. EC, flow rate and HCO3- is relatively stable; II, III and IV stage appear different changes characteristics are due to effects of flood, flow rate and HCO3- have a positive correlation at IV stage, with opposite of stage II and III stage. We use water chemistry-runoff method to calculate the amount of carbon sinks in the flood, found in the flood related coefficients between carbon sink and HCO3-, flow rate respectively 0.87 and 0.33. The carbon sink is 3491.06 t C during the flood monitoring, in which carbon sink at IVstage in flood are 4.52 times prior to the flood, which account for that carbon sink in the flood is much larger than the front of flood.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».