Challenges and future prospects for developing Ca and Mg water quality guidelines: a meta-analysis
Notice bibliographique
Résumé
Anthropogenic activities have the potential to increase water hardness (Ca + Mg) in receiving waters to toxic concentrations, and thus, water quality guidelines (WQG) for Ca and Mg are warranted. However, Ca can modify Mg toxicity in Ca-poor water and additional interactions with other major ions (Na + , K + , HCO 3 − /CO 3 2− , SO 4 2− and Cl − ) may occur, potentially obscuring the water hardness–effect relationship. In a meta-analysis of toxicological studies, we: (i) evaluate the performance of three WQG derivation methods, and (ii) determine the influence of several variables (acute/chronic data, anions, Ca:Mg ratios, non-geographically relevant species) on the models. We find that the most sensitive species- or species sensitivity distribution (SSD)-based WQG derivation methods greatly overestimate water hardness toxicity, particularly if non-resident species are included. Broad-scale implementation of most sensitive species- or SSD-based WQG is impractical because water hardness varies beyond and within the regional scale. Anion type does not affect water hardness toxicity across species, but the Ca : Mg ratio is toxicologically relevant, underscoring the importance of considering ion ratios when developing major ion WQG. Although data supporting formal water hardness WQG are unavailable, we suggest using a two-component background condition approach that supports simultaneous management of water hardness and Ca : Mg ratio, and WQG that are applicable beyond the regional scale. This article is part of the theme issue ‘Salt in freshwaters: causes, ecological consequences and future prospects’.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,109 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,042 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».