MétaCan
Menu
Retour à la cohorte
Enregistrement W2952056858 · doi:10.1002/lol2.10110

Headwater lakes and their influence on downstream discharge

2019· article· en· W2952056858 sur OpenAlexafffund
Jason A. Leach, Hjalmar Laudon

Notice bibliographique

RevueLimnology and Oceanography Letters · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensTrent UniversityNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSvenska Forskningsrådet Formas
Mots-clésDownstream (manufacturing)Hydrology (agriculture)Environmental scienceHydrographWater qualityDischargeDrainage basinSTREAMSEcologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Small headwater lakes are common water features in northern environments. These small lakes are often reported to have an influence on downstream water quality; however, few studies have addressed the underlying hydrology of these systems and how small lakes influence downstream discharge or how far downstream these influences persist. We show that catchments with small lakes sustain baseflows compared to catchments without lakes. In addition, small lakes have limited influence on the magnitude and timing of peakflow events, except for immediately downstream of the lake where peakflow hydrographs are characterized by low magnitude and long duration. The relative contribution of lake water to downstream discharge can vary widely in time (between 0% and 75%) and be detectable when lakes make up as little as 0.5% of catchment area. This variability and persistence of lake water in stream networks may have important implications for how we interpret water quality patterns downstream of small lakes.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,446

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 ouverte0,0000,000
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 Opus0,003
Tête enseignante GPT0,170
Écart entre enseignants0,167 · 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'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

Citations37
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and Oceanography LettersMême sujetHydrology and Watershed Management StudiesTravaux en français237 207