MétaCan
Menu
Retour à la cohorte
Enregistrement W2433171536 · doi:10.1089/ees.2015.0563

Distribution of Phosphorus and Nitrogen in the Sediments of the North Bay in Dianchi Lake

2016· article· en· W2433171536 sur OpenAlexaboutno aff
Di Song

Notice bibliographique

RevueEnvironmental Engineering Science · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Science and Technology Major ProjectNational Natural Science Foundation of China
Mots-clésEstuarySedimentBayPhosphorusNitrogenSedimentary rockEutrophicationEnvironmental scienceMineralization (soil science)Organic matterEnvironmental chemistrySpatial distributionHydrology (agriculture)GeologyOceanographyNutrientChemistryGeochemistryGeomorphology

Résumé

récupéré en direct d'OpenAlex

Phosphorus and nitrogen fractions of four core sediment samples collected from the north bay of Dianchi Lake in China were analyzed. The condition of various forms of phosphorus and nitrogen varied with sediment depth among different sites, and characters of vertical distribution are discussed. Large amounts of phosphorus and nitrogen were accumulated in sediments of the shallow and estuary. The contents of phosphorus in the sediments were relatively stable over a period of time, and the variation trend of reductant soluble phosphorus showed high vertical and spatial variations, which were related to the redox state of sediments. Vertical distribution of nitrogen and fractions presented complex change tendency and there were no obvious similarities of the variation trend among all sites. Average concentrations of phosphorus decreased with the distance of the estuary in the whole profile. Results reflected that the phosphorus and nitrogen load was aggravated with time of estuary of Panlong River in recent years. Mineralization and sedimentary rates of organic matter in all sediment sites were multiple in different periods and the complicated variability of sedimentary environment exerted influence on the formation process in different sites.

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)0,000
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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,002
Tête enseignante GPT0,157
Écart entre enseignants0,155 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering ScienceMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207