MétaCan
Menu
Retour à la cohorte
Enregistrement W2884032355 · doi:10.5772/intechopen.74122

Seasonal Variation of the Physico-chemical Composition of Ottawa River Waters in the St. Lawrence River

2018· book-chapter· en· W2884032355 sur OpenAlexfundaboutno aff
Jean‐Jacques Frenette, Ali A. Assani

Notice bibliographique

RevueInTech eBooks · 2018
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGroupe de recherche interuniversitaire en limnologieFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésEnvironmental scienceTurbidityHydrology (agriculture)Spring (device)SeasonalityNitrateWater qualityOceanographyEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

The goal of this study is to compare the seasonal variability of 12 physicochemical characteristics of waters in the Ottawa and St. Lawrence Rivers (SLR). Water samples were collected on board the research vessel Lampsillis in the spring (May), summer (August), and fall (October) of 2006 at four stations located downstream from the confluence of the two rivers. Temperature and total nitrogen values varied significantly for the three seasons. In contrast, seasonal values of light extinction coefficient and turbidity do not show any significant variation. The values of the other characteristics varied significantly only for one season. Comparison of these data with those measured in 1994–1996 reveals a net warming of the waters and a significant increase in nitrite-nitrate concentrations due to the increasing use of nitrogen-bearing fertilizers by farmers in Quebec. Concentrations of these two substances are higher than the limits set by the government of Quebec for water quality in rivers.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207