MétaCan
Menu
Retour à la cohorte
Enregistrement W4361202326 · doi:10.1002/hyp.14866

Influence of wetlands on nutrients in headwaters of agricultural catchments

2023· article· en· W4361202326 sur OpenAlexafffundabout
Dale R. Van Stempvoort, D. Ross MacKay, Pamela Collins, Susan J. Brown, Geoff Koehler

Notice bibliographique

RevueHydrological Processes · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésWetlandSTREAMSHydrology (agriculture)Environmental scienceRiparian zoneOutwash plainNutrientLand coverLand useNitrateEcologyGlacial periodGeologyHabitatBiologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract We investigated the influence of land cover on nutrient concentrations (295 samples) in headwater streams over a 2‐year period in 10 agriculture‐dominated subcatchments (163–8373 ha) in southern Ontario Canada. In this region, monitoring and research on nutrient dynamics in headwater wetlands is sparse. Our results indicated a significant positive correlation (Pearson coefficient ρ = 0.320) between soluble reactive phosphorus (SRP) in the headwater streams and the percentage of wetlands in these agriculture‐dominated catchments. This result suggests that headwater wetlands, and other wet riparian zones, are key sources of SRP in the headwater streams. Nitrate concentrations were positively correlated with % agricultural land cover (ρ = 0.316), consistent with previous studies, while SRP concentrations were negatively correlated with % agricultural land cover (ρ = −0.325). There was a significant positive correlation between SRP concentrations and discharge in some of the streams. Seasonal SRP trends appear to be closely related to temperature‐dependent seasonal changes in redox conditions, including levels of dissolved O2. Surficial geology had some influence on nitrate concentrations in the streams, which tended to be higher in catchments dominated by glacial till (till terrain), compared to catchments with extensive areas of outwash sand, in addition to till terrain.

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 enseignants0,453
Score d'incertitude au seuil0,901

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 technologies0,0010,001
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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetSoil and Water Nutrient DynamicsTravaux en français237 207