MétaCan
Menu
Retour à la cohorte
Enregistrement W2331400185 · doi:10.1061/40927(243)116

Ecological Flow Assessment Techniques for Headwater Reaches

2007· article· en· W2331400185 sur OpenAlexaffabout
John A. Peart, Andrea Bradford

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2007 · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWatershedSTREAMSContext (archaeology)Environmental scienceRiffleUrbanizationHydrology (agriculture)Flow (mathematics)River ecosystemEcosystemEcologyEnvironmental resource managementComputer scienceGeographyGeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Headwater streams are ecologically significant areas. In Southern Ontario these ecosystems are under increasing stress due to urbanization, water takings and other human activities. Longitudinal connectivity is an important ecological process that should be considered when setting flow targets for headwaters. Hydraulic models are effective tools for assessing connectivity. The one-dimensional (1D) HEC-RAS simulation software is favored in Ontario because it is familiar to the staff of watershed management agencies. Good performance of 1D hydraulic models under low flow conditions has been achieved for a number of stream reaches in Southern Ontario, provided that survey data adequately represents hydraulic controls such as riffle crests. However, 1D models of headwater reaches have been less satisfactory for the purposes of ecological flow assessment. Three challenges have been identified that may contribute to model error including stream complexity, effects of coarse woody debris and spatially variable discharge due to local regions of subsurface flow. These challenges are discussed in the context of proposed fieldwork and analysis methodologies aimed at developing effective techniques for low flow analysis in headwater streams.

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)0,005
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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
GenreMéthodes

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

En bref

Citations1
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2007Même sujetHydrology and Sediment Transport ProcessesTravaux en français237 207