MétaCan
Menu
Retour à la cohorte
Enregistrement W2976434953 · doi:10.2166/wqrj.2019.033

Water quality response to river flow regime at three major rivers in Alberta

2019· article· en· W2976434953 sur OpenAlexafffundabout
Sajjad Rostami, Jianxun He, Quazi K. Hassan

Notice bibliographique

RevueWater Quality Research Journal · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWater qualityEnvironmental scienceStreamflowHydrology (agriculture)Flow (mathematics)Quality (philosophy)Water flowWater resource managementGeographyDrainage basinEnvironmental engineeringEcologyGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Both anthropogenic activities and natural factors affect river water in quantity and quality, while anthropogenic activities have been often blamed to cause water quality temporal degradation. In addition, riverine water quality displays intra-annual/seasonal variations, which are often more prominent than inter-annual variations. The intra-annual variations in water quality, which are attracting the attention of managers and policy-makers, beg the question of how to better manage riverine water quality at a finer time resolution. The natural factors, in particular, the hydro-meteorological variables, could be the primary drivers of the intra-annual variations of riverine water quality. Therefore, this paper examined the association between riverine water quality and one hydro-meteorological variable (flow) with the focus on their relationship at the intra-annual timescale on three selected rivers in Alberta, Canada. The results demonstrated that flow drives intra-annual variation of riverine water quality in general. Moreover, some water quality parameters responded to flow distinctively at three flow regimes (low, medium, and high flows). Water quality parameters were categorized into eight groups according to their responses to flow at the flow regimes. These implied the challenges in water quality management while providing insight into how to formulate more effective water management strategies.

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 enseignants0,066
Score d'incertitude au seuil0,133

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

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 Opus0,090
Tête enseignante GPT0,386
Écart entre enseignants0,296 · 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

Citations8
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetWater Quality and Pollution AssessmentTravaux en français237 207