MétaCan
Menu
Retour à la cohorte
Enregistrement W4311271590 · doi:10.1088/1748-9326/acab17

Disconnectivity matters: the outsized role of small ephemeral wetlands in landscape-scale nutrient retention

2022· article· en· W4311271590 sur OpenAlexaff
F. Y. Cheng, Junehyeong Park, Mukesh Kumar, N. B. Basu

Notice bibliographique

RevueEnvironmental Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Science Foundation
Mots-clésWetlandEphemeral keyEnvironmental scienceAridHydrology (agriculture)NutrientAntecedent moistureEcologySurface runoffRunoff curve numberGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Wetlands protect downstream waters by filtering excess nitrogen (N) generated from agricultural and urban activities. Many small ephemeral wetlands, also known as geographically isolated wetlands (GIWs), are hotspots of N retention but have received fewer legal protections due to their apparent isolation from jurisdictional waters. Here, we hypothesize that the isolation of the GIWs make them more efficient N filters, especially when considering transient hydrologic dynamics. We use a reduced complexity model with 30 years of remotely sensed monthly wetland inundation levels in 3700 GIWs across eight wetlandscapes in the US to show how consideration of transient hydrologic dynamics can increase N retention estimates by up to 130%, with greater retention magnification for the smaller wetlands. This effect is more pronounced in semi-arid systems such as the prairies in North Dakota, where transient assumptions lead to 1.8 times more retention, compared to humid landscapes like the North Carolina Pocosins where transient assumptions only lead to 1.4 times more retention. Our results highlight how GIWs have an outsized role in retaining nutrients, and this service is enhanced due to their hydrologic disconnectivity which must be protected to maintain the integrity of downstream waters.

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 enseignants0,050
Score d'incertitude au seuil1,000

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207