MétaCan
Menu
Retour à la cohorte
Enregistrement W2475242588 · doi:10.3390/w8070285

Impacts of Salinity on Saint-Augustin Lake, Canada: Remediation Measures at Watershed Scale

2016· article· en· W2475242588 sur OpenAlexaffabout
Gaëlle Guesdon, Ana de Santiago, Sébastien Raymond, Hamdi Messaoud, A. Michaux, Samuel G. Roy, Rosa Galvez‐Cloutier

Notice bibliographique

RevueWater · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésWatershedEnvironmental scienceSalinityGroundwaterHydrology (agriculture)PrecipitationSurface runoffWetlandEnvironmental remediationEffluentSpring (device)Environmental chemistryEnvironmental engineeringContaminationChemistryGeologyEcologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Winter road network management is a source of anthropogenic salinity in the Saint-Augustin Lake watershed (Quebec City, QC, Canada). To prevent the potential impact caused by road runoff involving de-icing salts (NaCl) and trace metals (Cd and Pb) on the watershed, a full-scale treatment chain system (including a detention basin, a filtering bed, and a constructed wetland) was built. Average Cl and Na concentrations in groundwater were higher in wells affected by road network (125 mg/L Cl and 64 mg/L Na) than in control wells (13 mg/L Cl and 33 mg/L Na) suggesting a contamination by de-icing salts. The monitoring of influent and effluent surface water in the treatment system has shown a seasonal dependence in NaCl concentrations and electrical conductivity values, being the highest in summer, linked with the lower precipitation and higher temperature. Concentration ranges were as follows: 114–846 mg/L Na and 158–1757 mg/L Cl (summer) > 61–559 mg/L Na and 63–799 mg/L Cl (spring and autumn). The treatment system removal efficiency was significant, however with seasonal variations: 16%–20% Cl, 3%–25% Na, 7%–10% Cd and 7%–36% Pb. The treatment system has shown an interesting potential to mitigate the impact of anthropogenic salinity at watershed scale with higher expected performances in the subsequent years of operation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,661
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0030,001

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 Opus0,014
Tête enseignante GPT0,191
Écart entre enseignants0,177 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations14
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetUrban Stormwater Management SolutionsTravaux en français237 207