MétaCan
Menu
Retour à la cohorte
Enregistrement W3135532202 · doi:10.1139/facets-2020-0068

Salty summertime streams—road salt contaminated watersheds and estimates of the proportion of impacted species

2021· article· en· W3135532202 sur OpenAlexaffvenueabout
Lauren Lawson, Donald A. Jackson

Notice bibliographique

RevueFACETS · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChlorideTemperate climateEnvironmental scienceAquatic ecosystemEcologyEnvironmental chemistryHydrology (agriculture)BiologyChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Road salt runoff is a leading cause of secondary freshwater salinization in north temperate climates. Increased chloride concentrations in freshwater can be toxic and lead to changes in organismal behavior, lethality, biotic homogenization, and altered food webs. High chloride concentrations have been reported for winter months in urban centers, as road density is highest in cities. However, summer chloride conditions are not typically studied as road salt is not actively applied outside of winter months, yet summer is when many taxa reproduce and are most sensitive to chloride. In our study, we test the spatial variability of summer chloride conditions across four watersheds in Toronto, Canada. We find 89% of 214 sampled sites exceeded the federal chronic exposure guidelines for chloride, and 13% exceeded the federal acute guidelines. Through a model linking concentration to cumulative proportion of impacted species, we estimate 34% of sites show in excess of one-quarter of all species may be impacted by their site-specific chloride concentrations, with up to two-thirds of species impacted at some sites. Our results suggest that even presumed low seasons for chloride show concentrations sufficient to cause significant negative impacts to aquatic communities.

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)0,002
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 enseignants0,634
Score d'incertitude au seuil0,737

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations65
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetSmart Materials for ConstructionTravaux en français237 207