MétaCan
Menu
Retour à la cohorte
Enregistrement W4200248741 · doi:10.3390/w13243487

Impacts of Agricultural Areas on Spatio-Temporal Variability of Daily Minimum Extreme Flows during the Transitional Seasons (Spring and Fall) in Southern Quebec

2021· article· en· W4200248741 sur OpenAlexafffundabout
Ali A. Assani, Ayoub Zeroual, Alexandre Roy, Christophe Kinnard

Notice bibliographique

RevueWater · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversité de SherbrookeUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésShoreSpring (device)GeographyHydrology (agriculture)Spatial variabilityAgriculturePhysical geographyEnvironmental scienceClimatologyOceanographyGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

Several statistical methods were used to analyze the spatio-temporal variability of daily minimum extreme flows (DMEF) in 17 watersheds—divided into three homogenous hydroclimatic regions of southern Quebec—during the transitional seasons (spring and fall), during the 1930–2019 period. Regarding spatial variability, there was a clear difference between the south and north shores of the St. Lawrence River, south of 47° N. DMEF were lower in the more agricultural watersheds on the south shore during transitional seasons compared to those on the north shore. A correlation analysis showed that this difference in flows was mainly due to more agricultural areas ((larger area (>20%) on the south than on the north shore (<5%)). An analysis of the long-term trend of these flows showed that the DMEF of south-shore rivers have increased significantly since the 1960s, during the fall (October to December), due to an increase in rainfall and a reduction in cultivated land, which increased the infiltration in the region. Although there was little difference between the two shores in the spring (April to June), we observed a decrease in minimum extreme flows in half (50%) of the south-shore rivers located north of 47° N.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,029
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,189
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 tête enseignante, 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

Citations9
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Watershed Management StudiesTravaux en français237 207