MétaCan
Menu
Retour à la cohorte
Enregistrement W2548317763 · doi:10.1080/02626667.2016.1255747

Trend analysis of nutrient loadings in a large prairie catchment

2016· article· en· W2548317763 sur OpenAlexaffabout
L. A. Morales-Marín, Kwok Pan Chun, H. S. Wheater, Karl-Erich Lindenschmidt

Notice bibliographique

RevueHydrological Sciences Journal · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésNutrientEutrophicationEnvironmental scienceSurface runoffDrainage basinWater qualityHydrology (agriculture)StreamflowPhosphorusWatershedPopulationEcosystemEcologyGeographyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Nutrient loadings in many river catchments continue to increase due to rapid expansion of agriculture, urban and industrial development, and population growth. Nutrient enrichment of water bodies has intensified eutrophication which degrades water quality and ecosystem health. In this study, we carried out a trend analysis of total phosphorus and total nitrogen loads in the South Saskatchewan River (SSR) catchment using a novel approach to analyse nutrient time series. Seasonal analysis of trends at each of the water quality stations was performed to determine the relationships between annual flow regimes and nutrient loads in the catchment, in particular, the influence of the high spring runoff on nutrient export. Decadal analysis was also performed to determine the long-term relationships of nutrients with anthropogenic changes in the catchment. Although it was found that seasonal and historical variability of nutrient load trends is mainly determined by streamflow regime changes, there is evidence that increases in nitrogen concentration can also be attributed to anthropogenic changes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,034
Score d'incertitude au seuil0,886

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,251
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrological Sciences JournalMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207