Effect of Drawdown on Ammonium and Iron Concentrations in a Coastal Mountain Reservoir
Notice bibliographique
Résumé
Abstract Part way through a year-long water quality field survey, the Capilano Reservoir, located in the Greater Vancouver Water District, was drawn down to accommodate earthquake reinforcement work on the Cleveland Dam. This paper reports observations of the effect of drawdown on water quality in the reservoir, in the context of the original study. The drawdown exposed a large zone of deltaic material through which the Capilano River eroded a path up to 2.5 m deep. The deltaic material contained substantial amounts of nitrogen and iron (TKN, 4,470 mg kg-1; total iron, 21,800 mg kg-1). During drawdown, turbidity in the reservoir increased up to 25 times as compared to prior conditions. Ammonium (NH4+-N) and dissolved and particulate iron concentrations in the drawdown zone were up to two orders of magnitude higher than concentrations upstream. Both NH4+-N and dissolved iron were observed to travel the length of the reservoir. Persistence of NH4+-N in the highly oxygenated conditions may be explained by the presence of factors that inhibit nitrification. Persistence of NH4+-N and particularly dissolved iron may be due to adsorption and com-plexation reactions. Seasonally high concentrations of iron and ammonium at the water intake corresponded to the timing of complaints of taste, odour, turbid water, and staining in the distribution system. Observations made during this extreme drawdown suggest that transport of N and Fe from exposed deltaic sediments may play a role in the periodic increases in ammonium and iron observed in the Capilano Reservoir. Further understanding of the impacts associated with changing reservoir elevation should lead to the development of appropriate management strategies to maintain the high quality of GVWD water.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».