MétaCan
Menu
← Retour à la cohorte
Enregistrement W2885622003 · doi:10.3390/w10081011

Water Compensation and Its Implication of the Three Gorges Reservoir for the River-Lake System in the Middle Yangtze River, China

2018· article· en· W2885622003 sur OpenAlexaff
Junhong Zhang, Luojie Feng, Lu Chen, Dangwei Wang, Minglong Dai, Wensheng Xu, Tao Yan

Notice bibliographique

RevueWater · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEnvironmental scienceThree gorgesHydrology (agriculture)Yangtze riverWater levelChinaMain riverDrainage basinGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Dam construction is an important means to improve water use efficiency and the aquatic environment. However, the flow regulation of the Three Gorges Reservoir (TGR) in the middle Yangtze River has attracted much attention because the severe drought occurred in the river-lake system downstream of the TGR. In this paper, the Dongting Lake was selected as a case study in order to detect the possible relationship between the flow regulation of the TGR and the extreme drought in the river-lake system based on a coupled hydrodynamic model. The results not only confirmed the significant role of the TGR to relieve drought in the river-lake system, but also indicated that the outflow of the TGR and the hydraulic gradient between the Zhicheng to Chenglingji stations were the crucial factors to affect the water exchange between the rivers and the Dongting Lake. The adjustment of hydraulic gradient within a proper range during the water compensation of the TGR will be an effective measure to improve the water exchange and water environment in the river-lake system. These findings present the quantitative influence of these important factors on the water exchange between rivers and lakes and provide a scientific reference for environmental and ecological management of other river-lake systems.

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 enseignants0,072
Score d'incertitude au seuil0,143

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,222
Écart entre enseignants0,198 · 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→