Impact of Land Cover Change on Surface Water Temperature from 1985-2020 in Eastern Ontario
Notice bibliographique
Résumé
Land Cover Change (LCC) has been shown to significantly impact the magnitude and trend of Land Surface Temperature (LST), locally where it occurs. Waterbodies serve as local climate moderators where nearby LCC has the potential to decrease their cooling ability. Water Cooling Islands (WCI) have demonstrated the ability to mitigate these local LST induced changes from LCC. Altered water surface temperatures can lead to altered species migration and distribution in aquatic species depending on a given species thermal boundary. Previous studies investigated the impact of these factors while only targeting either LCC impacts on LSTs or WCI impacts on LST, providing the opportunity to explore the relationship between LCC and WCI temperature trends. In this study, we investigate the role that LCC around small lakes(500m) plays on the surface water temperature trends in the Cataraqui Region Conservation Authority’s watershed, located in Eastern Ontario from 1985 -2020. The Continuous Change Detection Classification (CCDC) algorithm was used alongside the Statistical Mono-Window (SMW) algorithm to calculate LCC and LST, respectively. Results indicated a strong positive relationship (R2 = 0.81) between LCC and water temperature trends, where water temperature trends in all lakes investigated were found to be positive. The land cover type with the strongest correlation of land cover types investigated was with water temperature trends was impervious surfaces which had a medium positive relationship (r = 0.57). Individual lake size was found to have a weak positive relationship (R^2= 0.23) with water temperature trend. This 35-year study contributes to the broader understanding of water cooling islands and the impact of LCC has on surface water temperature trends.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 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 ».