MétaCan
Menu
← Retour à la cohorte
Enregistrement W3181546289 · doi:10.1371/journal.pone.0253972

Composition Wheels: Visualizing dissolved organic matter using common composition metrics across a variety of Canadian ecozones

2021· article· en· W3181546289 sur OpenAlexafffundabout
Pieter J. K. Aukes, Sherry L. Schiff

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensWilfrid Laurier UniversityUniversity of Waterloo
Organismes subventionnairesNatural Resources CanadaUniversity of WaterlooWeston Family FoundationParks CanadaGarfield Weston Foundation
Mots-clésDissolved organic carbonEnvironmental chemistryComposition (language)AbsorbanceEnvironmental scienceSurface waterAquatic ecosystemTotal organic carbonOrganic matterChemistryEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Dissolved organic matter (DOM) is a ubiquitous component of aquatic systems, impacting aquatic health and drinking water quality. These impacts depend on the mixture of organic molecules that comprise DOM. Changing climates are altering both the amount and character of DOM being transported from the terrestrial system into adjacent surface waters, yet DOM composition is not monitored as often as overall concentration. Many DOM characterization methods exist, confounding comparison of DOM composition across different studies. The objective of this research is to determine which parameters in a suite of relatively simple and common DOM characterization techniques explain the most variability in DOM composition from surface and groundwater sites. Further, we create a simple visualization tool to easily compare compositional differences in DOM. A large number of water samples (n = 250) was analyzed from six Canadian ecozones for DOM concentration, ultraviolet-visible light absorbance, molecular size, and elemental ratios. Principal component analyses was used to identify quasi-independent DOM compositional parameters that explained the highest variability in the dataset: spectral slope, specific-UV absorbance at 255nm, humic substances fraction, and dissolved organic carbon to dissolved organic nitrogen ratio. A 'Composition Wheel' was created by plotting these four parameters as a polygon. Our results find similarities in DOM composition irrespective of site differences in vegetation and climate. Further, two main end-member Composition Wheel shapes were revealed that correspond to DOM in organic-rich groundwaters and DOM influenced by photodegradation. The Composition Wheel approach uses easily visualized differences in polygon shape to quantify how DOM evolves by natural processes along the aquatic continuum and to track sources and degradation of DOM.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil0,791

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,047
Tête enseignante GPT0,234
Écart entre enseignants0,186 · 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
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetMarine and coastal ecosystems→Travaux en français237 207→