MétaCan
Menu
Retour à la cohorte
Enregistrement W2803685864 · doi:10.1002/ieam.4060

An Adaptive Environmental Effects Monitoring Framework for Assessing the Influences of Liquid Effluents on Benthos, Water, and Sediments in Aquatic Receiving Environments

2018· review· en· W2803685864 sur OpenAlexaffabout
Keith M. Somers, Bruce W. Kilgour, Kelly R. Munkittrick, Tim J. Arciszewski

Notice bibliographique

RevueIntegrated Environmental Assessment and Management · 2018
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of TorontoAlberta EnergyWilfrid Laurier UniversityCanada’s Oil Sands Innovation AllianceGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Environmental scienceAdaptive managementBaseline (sea)BenthosEnvironmental resource managementProcess (computing)SedimentComputer scienceBenthic zoneEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

Environmental effects monitoring (EEM) has been traditionally used to evaluate the effects of existing facilities discharging liquid effluents into natural receiving waters in Canada. EEM also has the potential to provide feedback to an ongoing project in an adaptive management context and can inform the design of future projects. EEM, consequently, can and should also be used to test the predictions of effects related to new projects. Despite EEM's potential for widespread applicability, challenges related to the effective implementation of EEM include the use of appropriate study designs and the adoption of tiers for increasing or decreasing monitoring intensity. Herein we describe a template for designing and implementing a 6-tiered EEM program that utilizes information from the project-planning and predevelopment baseline data collection stages to build on forecasts from the initial environmental impact assessment project-design stage and that feeds into an adaptive management process. Movement between the 6 EEM tiers is based on the exceedance of baseline monitoring triggers, forecast triggers, and management triggers at various stages in the EEM process. To distinguish these types of triggers, we review the historical development of numeric and narrative triggers as applied to chemical (water and sediment) and biological (plankton, benthos, fish) endpoints. We also provide an overview of historical study design issues and discuss how the 6 EEM tiers and associated triggers influence the temporal-spatial experimental design options and how the information gained through EEM could be used in an adaptive management context. Integr Environ Assess Manag 2018;14:552-566. © 2018 SETAC.

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)0,027
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,015
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0070,003
Études des sciences et des technologies0,0020,005
Communication savante0,0050,004
Science ouverte0,0050,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,322
Écart entre enseignants0,301 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIntegrated Environmental Assessment and ManagementMême sujetFish Ecology and Management StudiesTravaux en français237 207