MétaCan
Menu
Retour à la cohorte
Enregistrement W2592500753 · doi:10.3390/w9030199

Impacts of Climate Change on the Water Quality of a Regulated Prairie River

2017· article· en· W2592500753 sur OpenAlexafffundabout
Nasim Hosseini, Jacinda Johnston, Karl‐Erich Lindenschmidt

Notice bibliographique

RevueWater · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesCanada Excellence Research Chairs, Government of Canada
Mots-clésEnvironmental scienceWater qualityHydrology (agriculture)Climate changeNutrientCurrent (fluid)StreamflowPopulationNitrateDrainage basinEcologyOceanographyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Flows along the upper Qu’Appelle River are expected to increase in the future via increased discharge from Lake Diefenbaker to meet the demands of increased agricultural and industrial activity and population growth in southern Saskatchewan. This increased discharge and increased air temperature due to climate change are both expected to have an impact on the water quality of the river. The Water Quality Analysis Simulation Program (WASP7) was used to model current and future water quality of the upper Qu’Appelle River. The model was calibrated and validated to characterize the current state of the water quality of the river. The model was then used to predict water quality [nutrient (nitrogen and phosphorus) concentrations and oxygen dynamics] for the years 2050–2055 and 2080–2085. The modelling results indicate that global warming will result in a decrease in ice thickness, a shorter ice cover period, and decreased nutrient concentrations in 2050 or 2080 relative to 2010, with a greater decrease of nutrient concentrations in open water. In contrast to the effect of warmer water temperatures, increased flow through water management may cause increases in ammonium, nitrate, and dissolved oxygen concentrations and decreases in orthophosphate concentrations in summer.

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)0,001
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 enseignants0,121
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,039
Tête enseignante GPT0,272
Écart entre enseignants0,234 · 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

Citations65
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207