Impacts of sampling frequency on the estimation accuracy of exceedance for suspended solids and nitrates in streams in small to medium-sized watersheds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Data from a 389 km 2 watershed and one of its 14.5 km 2 subbasins were used to assess the effects of sampling frequency on the estimation accuracy of the exceedance frequency (EF) for suspended solids and nitrate-nitrogen in streams. Values of EF estimated from 17 subsampling schemes were compared with the actual EF (EF a ) at different threshold concentrations. The coefficient of variation and relative bias were used to measure the estimation accuracy. Results indicated that the EF a of the larger watershed was much lower than that of the smaller watershed for both suspended solids and nitrate-nitrogen. We also found that EF a can be modeled as an exponential function of the threshold concentration. For the EF estimations, the coefficient of variation decreased with increasing sampling frequency and increasing EF a . The relative bias tended to be negative when EF a was low or the threshold concentration was high, reaching -75% in some cases. This result implies that reported EF values based on low-frequency data could be severely underestimated due to the high possibility of missing large events. However, there were also cases with positive relative bias, implying overestimation of EF due to over representation of large events. These findings can be used to determine adequate sampling frequencies for water-quality parameters, avoiding common observed biases (mostly negative) in the estimation of EF for extreme pollution events.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle