MétaCan
Menu
Retour à la cohorte
Enregistrement W3107154335 · doi:10.1139/er-2020-0093

Geochemical tracers in submarine groundwater discharge research: practice and challenges from a view of climate changes

2020· article· en· W3107154335 sur OpenAlexvenueno aff
Shan Jiang, J. Severino P. Ibánhez, Ying Wu, Jing Zhang

Notice bibliographique

RevueEnvironmental Reviews · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSubmarine groundwater dischargeEnvironmental scienceGroundwaterKarstOceanographyEutrophicationBenthic zoneHydrology (agriculture)SubmarineGeologyEarth scienceEcologyAquiferNutrient

Résumé

récupéré en direct d'OpenAlex

Submarine groundwater discharge (SGD), the flux of porewater from permeable seabed or karst conduits to surface water bodies, delivers a significant quantity of land-borne solutes to coastal oceans. This input of land-derived solutes is frequently linked with eutrophication, harmful algae blooms, and benthic hypoxia, and hence has the potential to trigger great economic losses. Geophysical and geochemical tracers, including salinity, temperature, water stable isotopes, and radioactive elements, have been widely applied in SGD studies for more than 50 years to, amongst others, identify water sources, estimate residence times, and quantify discharge rates. Here we review advantages and shortcomings of these tracers in the study of SGD. Application requirements are outlined based on previous research and combined tracer approaches in karst environments, permeable coasts, and estuaries are illustrated under the view of climate changes. Current challenges with the use of geochemical tracers in SGD studies are highlighted and opportunities to develop these tracers for improved coastal management showcased.

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)0,022
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,005
Communication savante0,0040,008
Science ouverte0,0030,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,094
Tête enseignante GPT0,274
Écart entre enseignants0,180 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental ReviewsMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207