MétaCan
Menu
← Retour à la cohorte
Enregistrement W2122211445 · doi:10.1139/f2011-144

Testing models of aquatic N<sub>2</sub>O flux for inland waters

2012· article· en· W2122211445 sur OpenAlexafffundvenue
Helen M. Baulch, Sherry L. Schiff, Roxane Maranger, Peter Dillon

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversité du Québec à MontréalUniversity of WaterlooUniversité de MontréalTrent University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental scienceGroundwaterHydrology (agriculture)Climate changeAquatic ecosystemCurrent (fluid)Surface waterNitrous oxideAtmospheric sciencesEcologyOceanographyEnvironmental engineeringBiology

Résumé

récupéré en direct d'OpenAlex

The current Intergovernmental Panel on Climate Change (IPCC) method for tabulating agricultural nitrous oxide (N2O) emissions suggests that aquatic ecosystems may be important N2O sources. However, estimates are highly uncertain, and the method to estimate emissions is rarely tested. The default IPCC emission factor for groundwater and surface drainage (EF5-g; defined as N2O-N:nitrate-N) has been lowered recently. Our data support further reduction. Notably, we present the first EF5-gdata under ice, which reflects groundwater inputs not confounded by gas exchange. These under-ice data suggest an EF5-gof 0.13%, approximately half the current IPCC default value. Our data from the open-water season also suggest a reduction to 0.11% (based on annual means). The data highlight major problems with the IPCC method. EF5-gwas extremely variable, with the highest values observed in a stream that was a net sink of N2O. Testing the overall method for freshwater emissions is more problematic because of the multidecade transit time from headwaters in our study region to the Atlantic Ocean and limited information on emissions from 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,194
Écart entre enseignants0,160 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations14
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetMarine and coastal ecosystems→Travaux en français237 207→