MétaCan
Menu
Retour à la cohorte
Enregistrement W2770136518 · doi:10.1080/00207233.2017.1406727

Climate factors as a possible trigger of modern ecological changes in shallow zone of Lake Baikal (Russia)

2017· article· en· W2770136518 sur OpenAlexfundno aff
T. G. Potemkina, V. L. Potemkin, Oleg V. Kotsar, Andrey Fedotov

Notice bibliographique

RevueInternational Journal of Environmental Studies · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Resources and Management
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Child Health Clinician Scientist Program
Mots-clésEutrophicationEnvironmental sciencePrecipitationAquatic ecosystemEcosystemClimate changeFreshwater ecosystemShoreLimnologyEcologyGlobal warmingWater levelNatural (archaeology)Lake ecosystemOceanographyPhysical geographyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

The world’s freshwater ecosystems, sources of drinking water, are threatened by eutrophication. Many studies show that global warming leads to changes in aquatic ecosystems. Recently, eutrophication signs have been recorded in Lake Baikal, the world’s largest and deepest lake containing 20% of the world’s fresh water reserves. We have analysed long-term changes of the most sensitive natural factors (air and water temperature, wind regime, precipitation and solar radiation) and revealed their potential impact on emergence of unfavourable signs in the shallow zone of Lake Baikal. The main causes of adverse ecological processes are elevated temperatures of air and coastal water, reduced amount of precipitation, weakening of wind flows, and water exchange processes, and as a result, reduced self-purification. The highest number of anomalous climate changes has been recorded in the XXI century. Moreover, the years of the past decade were the most favourable for emergence of adverse processes in the lake (outbreak of rapid growth of algae and aquatic vegetation, rotting of their remains at the bottom and on the shores of the lake, etc.). Climatic factors will continue causing adverse effects in the shallow zone of Lake Baikal.

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 enseignants0,013
Score d'incertitude au seuil0,026

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,256 · 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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental StudiesMême sujetWater Resources and ManagementTravaux en français237 207