MétaCan
Menu
Retour à la cohorte
Enregistrement W2136745142 · doi:10.1139/f10-052

Sensitivity of pH in a boreal stream network to a potential decrease in base cations caused by forest harvest

2010· article· en· W2136745142 sur OpenAlexvenueno aff
Anneli Ågren, Ishi Buffam, Kevin Bishop, Hjalmar Laudon

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesSvenska Forskningsrådet Formas
Mots-clésSnowmeltBorealEnvironmental scienceSurface runoffHydrology (agriculture)Acid neutralizing capacitySTREAMSDrainage basinTaigaSpring (device)Soil waterEcologyChemistryAcid depositionSoil scienceGeographyGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Increased forest harvest with more whole-tree utilization can decrease base cations (BC) in soils and stream runoff. This paper analyses how reducing stream BC changes the capacity of a boreal stream network to buffer pH changes. We estimated change in stream pH during spring snowmelt in 60 locations throughout a 68 km2 boreal catchment in northern Sweden with different scenarios of BC removal from stream water ranging from 10 to 50 µequiv.·L–1. The pH decreased in all scenarios, and if BC decreased by 50 µequiv.·L–1, stream length with pH above the acid threshold pH 5 during spring snowmelt decreased from 82% to 44% of the stream network, whereas the stream length with pH above 5.5 decreased from 60% to 10%. The pH sensitivity of different stream reaches to reductions in BC was positively related to the slope of the catchment, forest cover, and forested mires, whereas it was negatively related to the percentage of agricultural fields. Because the long-term effect of different forestry practices on stream BC is unclear, there is all the more reason to evaluate BC sensitivity before, rather than after, eventual problems arise.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,959
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,186 · 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'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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic SciencesMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207