MétaCan
Menu
Retour à la cohorte
Enregistrement W2331139930 · doi:10.2166/wqrjc.2013.008

Reducing the sensitivity of the water quality index to episodic events

2013· article· en· W2331139930 sur OpenAlexaffabout
Bruce W. Kilgour, Anthony P. Francis, Vincent Mercier

Notice bibliographique

RevueWater Quality Research Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFreshwater macroinvertebrate diversity and ecology
Établissements canadiensUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésBenthic zoneTurbiditySTREAMSWater qualityEnvironmental sciencePercentileTrimmingHydrology (agriculture)Index (typography)StatisticsEcologyMathematicsOceanographyGeologyBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

We demonstrated a general relationship between water quality index (WQI) values and indices of benthic community composition for a set of 32 streams from British Columbia and Ontario. Streams that produced lower WQI values tended to have benthic communities characteristic of degraded water quality. Streams, in contrast, that produced higher WQI scores tended to have a fauna characteristic of high water quality. Trimming the water quality data for high-total suspended solids (TSS) events increased the WQI values by as much as 30 points. There were modest but apparent increases in the strength of the association between the WQI and indices of benthic community composition when the water quality data records were trimmed of values that occurred during periods of high (extreme) turbidity. Trimming data that contained turbidity (or TSS) values beyond the mirrored 5th, 90th, or 95th percentile were about equal in their effect on the WQI. The removal of high TSS samples on the basis of the ‘mirror’ method can be recommended on the basis that it will likely correctly remove data that have a long right-hand tail, and will also correctly not remove data when the data are more normally distributed.

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)0,004
score de la tête « metaresearch » (Gemma)0,020
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,080
Tête enseignante GPT0,338
Écart entre enseignants0,257 · 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

Citations3
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetFreshwater macroinvertebrate diversity and ecologyTravaux en français237 207