MétaCan
Menu
Retour à la cohorte
Enregistrement W2148546146 · doi:10.2166/wqrj.2004.042

A Review of the Efficiency of Buffer Strips for the Maintenance and Enhancement of Riparian Ecosystems

2004· review· en· W2148546146 sur OpenAlexaff
M. Brian C. Hickey, Bruce Doran

Notice bibliographique

RevueWater Quality Research Journal · 2004
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensSt. Lawrence River Institute of Environmental Sciences
Organismes subventionnairesnon disponible
Mots-clésRiparian bufferRiparian zoneBuffer stripEnvironmental scienceAgricultureEcosystemBuffer zoneBuffer (optical fiber)AgroforestryAgricultural engineeringBusinessEnvironmental resource managementWater resource managementComputer scienceEcologyEngineeringBiologyHabitat

Résumé

récupéré en direct d'OpenAlex

Abstract Vegetative buffer strips are being widely promoted as an effective technique to protect rivers and streams from the negative impacts of adjacent land uses including forestry and agriculture. An extensive review of the literature revealed that despite the intuitive appeal of buffer strips, data demonstrating their efficacy is highly variable and most studies demonstrating significant nutrient removal in buffer zones come from studies undertaken in riparian buffers greater than 30 m wide. These buffers are much wider than what land managers can typically expect farmers to remove from active production in order to protect water quality. Research attempting to demonstrate the efficacy of riparian buffers needs to focus on buffer widths that are within the range that landowners are likely to "give up" in the name of water quality protection. Lack of experimental evidence from buffers in the 1- to 10-m width range typically encountered on farms makes it difficult to draw definitive conclusions about the efficacy of riparian buffers in agricultural areas.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,137
Tête enseignante GPT0,418
Écart entre enseignants0,280 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations147
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207