MétaCan
Menu
Retour à la cohorte
Enregistrement W2897243938 · doi:10.3390/w10101406

Using Water Temperature, Electrical Conductivity, and pH to Characterize Surface–Groundwater Relations in a Shallow Ponds System (Doñana National Park, SW Spain)

2018· article· en· W2897243938 sur OpenAlexaff
Miguel Rodríguez‐Rodríguez, Ana Fernández‐Ayuso, Masaki Hayashi, Francisco Moral Martos

Notice bibliographique

RevueWater · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGroundwaterTransectLimnologyShoreHydrology (agriculture)Surface waterEnvironmental scienceWater columnNational parkWater balanceAquiferGroundwater dischargeWetlandGroundwater rechargeGeologyOceanographyEcologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The physical limnology of a shallow pond system was characterized using field measurements of water temperature, pH, and electrical conductivity (EC). We determined the spatial variability in surface and groundwater temperature, pH, and EC along the pond’s shore and along the several pond-shore transects, analyzed the water column temperature gradient and estimated the groundwater discharge rate using a heat transfer model. The fieldwork was conducted in Santa Olalla and Dulce ponds located in Doñana National Park in southwestern Spain during different stages from 2016 to 2018. The results of this study have improved the understanding of the thermal structure and the surface–subsurface heat exchange in the ponds and highlighted the importance of groundwater discharge in the pond water balance. It also showed the heterogeneous nature of groundwater discharge through the bottom sediments of the Santa Olalla pond. These results are consistent with previous studies and strengthen the existing hydrological and limnological knowledge of these ponds located in the protected area which is receiving a great deal of public attention.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,322
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,233
Écart entre enseignants0,201 · 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.

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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207