Road salt impact on soil electrical conductivity across an urban landscape
Notice bibliographique
Résumé
Abstract Road salt application is a necessary component of winter road maintenance but comes with an environmental cost. Salts are transported via stormwater drainage or overland and soil throughflow to surface waterbodies, where excess ions create unfavorable or even uninhabitable conditions for freshwater organisms. Soils may retain salts during the process of overland and subsurface flow, thus acting as reservoirs that slow the transport of salt into freshwaters. Understanding the capacity and consistency of anthropogenic salt storage in urban soils may allow us to discover when and where deicing salt applications are most harmful. This article investigates the degree to which soils across a heterogeneous urban landscape retain salts. We measured the electrical conductivity (EC) of soils in an urban setting. Land covers included forests, grasslands, open spaces, low- and medium-density developments and along roadsides. We found that across land-cover types, soil carbon and porosity were correlated to EC in late summer, which suggests that pore space is an important and long-lasting reservoir for salt. In addition, more developed areas, had higher mean soil EC and greater EC variability within and between sites, with 75% of overall variance occurring within individual sites. We hypothesize that this within-site heterogeneity is driven by anthropogenic modifications to salt inputs and soil characteristics. The high EC variance in highly developed urban soils is a previously undiscussed phenomenon and highlights the fine-scale complexity of heterogeneous urban landscapes and the need for high-resolution sampling to accurately characterize urban ecosystems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».