An analysis of the sample size requirements for acceptable statistical power in water quality monitoring for improvement detection
Notice bibliographique
Résumé
Many water quality managers seek to demonstrate reductions in pollutants after a remedial program or policy change of some sort is implemented, but there is little information in the literature to help guide the extent of water quality sampling that is required to be confident that a change has occurred. Statistical power refers to the likelihood of avoiding a Type II error in hypothesis testing. It is critical to examine statistical power levels to ensure results are not unduly influenced by insufficient quantity of data. This study presents the first published record, to the best of our knowledge, on sample size requirements to achieve acceptable levels of statistical power in hypothesis testing of annual water quality (nutrients) in streams. We examined 13 temperate agricultural watersheds spanning a gradient of size from 11 to 16,000 km2 using data synthesized from long-term flow and water quality records. We found that achieving commonly accepted levels of statistical power (0.8) after reductions of 20% in load or flow-weighted mean concentration (FWMC) required an inordinate quantity of data (50–250 years for load, 10–120 years for FWMC), while achieving statistical power of 0.8 after reductions of 80% of load or FWMC required very little data (2–4 years for FWMC, 2–7 years for load). Load reductions of 40% required a range of 8–50 years of data depending on analyte, while FWMC reductions of 40% required 3–10 years of total phosphorus (TP) data, 5–25 years for soluble reactive phosphorus (SRP), and 2–6 years for nitrate (NO3). We examined relationships among times to achieve statistical power and a number of common landscape descriptors (discharge, baseflow index, basin size, concentration-discharge slope) and found no discernable relationships for either TP or SRP, whereas catchments with higher baseflow indices were found to have lower data requirements for achieving statistical power of 0.8 for NO3. We also show through subsampling experiments that higher frequency sampling tended to reduce data requirements to achieve acceptable statistical power, though these gains diminish as the sample frequency increases. The information presented will help those tasked with watershed monitoring to design appropriate sampling regimes to ensure adequate data are obtained to detect change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,401 | 0,687 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».