MétaCan
Menu
Retour à la cohorte
Enregistrement W4221084051 · doi:10.19080/ijesnr.2022.30.556278

Impact of Wetland Surface Area on Seasonal Daily Extreme Flow Characteristics during the Summer-Fall Season in Southern Quebec (Canada)

2022· article· en· W4221084051 sur OpenAlexaffabout
Ali A. Assani

Notice bibliographique

RevueInternational Journal of Environmental Sciences & Natural Resources · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésWetlandClimatologySummer seasonEnvironmental scienceSeasonalityGeographyMeteorologyGeologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The objective of this paper is to determine the impact of wetlands on the characteristics (magnitude, frequency, duration, timing and variability flow) of daily maximum and minimum extreme flows in summer-fall season (July to November) over the 1945-2019 period in Petite Nation watershed. Three relatively close watersheds [Matawin River (1,390km), Petite Nation River (1,330km) and L' Assomption River (1,340km)], which are differentiated mainly by the types of land use (wetland and agricultural areas), were studied. In the Petite Nation River watershed, which has the largest wetland surface area (15%), the frequency of flood occurrence significantly decreased, resulting in a decrease in the magnitude and duration of seasonally daily maximum flows and their early occurrence during the season. In contrast, the interannual rate change flow in the timing and duration of these flows is greater than that observed in the other two watersheds. The "sponge effect" of wetlands on daily maximum flows was not observed on daily minimum flows, whose magnitude is not significantly different from those of the Matawin River (reference watershed). In contrast, in the Petite Nation watershed, minimum flows last longer and occur on average later in the season than in the other two watersheds.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,087
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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.

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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Sciences & Natural ResourcesMême sujetHydrology and Watershed Management StudiesTravaux en français237 207