MétaCan
Menu
Retour à la cohorte
Enregistrement W4304775684 · doi:10.1002/hyp.14724

Nutrient delivery by groundwater discharge to headwater streams in agricultural catchments

2022· article· en· W4304775684 sur OpenAlexafffundabout
Dale R. Van Stempvoort, D. Ross MacKay, Pamela Collins, Geoff Koehler

Notice bibliographique

RevueHydrological Processes · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésBaseflowSTREAMSGroundwaterHydrology (agriculture)Environmental scienceGroundwater dischargeRiparian zoneStreamflowNutrientDischargeDrainage basinNitrateGroundwater flowAquiferEcologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Nutrient concentrations in riparian groundwater are variable from site to site, making it challenging to use these data to quantify nutrient fluxes contributed by groundwater discharge to headwater streams. Instead, we define event‐excluded baseflow (BFEE), and use stream discharge data and stream samples collected during BFEEto estimate groundwater discharge and loading of nutrients to the streams. Based on this method, in two study catchments (Thames River basin, Ontario, Canada) groundwater discharge during BFEEcontributed about 30% of the total streamflow and 20%–30% of the total loading of soluble reactive phosphorus (SRP) and nitrate. Previous estimates of baseflow using hydrographic separation techniques indicate that groundwater discharge likely contributes even larger fractions, ~50%–60% of flow in these catchments. We infer that groundwater likely contributes ~40% of the annual SRP load and ~ 50%–60% of the nitrate‐N load. These results indicate that groundwater discharge plays an important role in the nutrient loading to headwater streams. This reinforces the findings of earlier studies that have inferred a dominant influence of legacy reservoirs of nutrients in the subsurface of similar agricultural catchments on the loads of these nutrients in headwater streams.

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)0,001
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 enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · 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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207