MétaCan
Menu
Retour à la cohorte
Enregistrement W2964464466 · doi:10.2166/nh.2019.161

Modelling historical variability of phosphorus and organic carbon fluxes to the Mackenzie River, Canada

2019· article· en· W2964464466 sur OpenAlexafffundabout
Rajesh R. Shrestha, Terry D. Prowse, Lois Tso

Notice bibliographique

RevueHydrology research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésSubarctic climateEnvironmental scienceTributaryDissolved organic carbonSurface runoffDischargeHydrology (agriculture)Atmospheric sciencesClimatologyDrainage basinOceanographyEnvironmental chemistryEcologyChemistryGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study provides an improved statistical modelling framework for understanding historical variability and trends in water constituent fluxes in subarctic western Canada. We evaluated total phosphorus (TP) and dissolved organic carbon (DOC) fluxes for the Hay, Liard and Peel tributaries of the Mackenzie River. The TP and DOC concentrations primarily exhibit chemodynamic relationships with discharge, with the exception of the chemostatic relationship between DOC and discharge for the Hay River. With this understanding, we explored a number of enhancements in the load estimation model that included the use of (i) linear regression and logarithmic models, (ii) air-temperature as an alternate input variable and (iii) quantile mapping for bias-correction. Further, we evaluated uncertainties in the simulation of fluxes and trends by using a bootstrapping method. The modelled TP and DOC fluxes show considerable seasonal and interannual variability that generally follow the runoff dynamics. The annual and seasonal trends are mostly small and insignificant, with the largest significant increases occurring in the winter months. These trends are amplified compared with discharge, suggesting the possibility of pronounced changes with large changes in discharge. Additionally, the results provide evidence that directly using limited water constituent samples for trend analysis can be problematic.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,969

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 savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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

Citations10
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207