MétaCan
Menu
Retour à la cohorte
Enregistrement W4387580110 · doi:10.2166/nh.2023.032

Alternative method for determining available winter water volumes from lakes to support small-scale projects

2023· article· en· W4387580110 sur OpenAlexaffabout
Rick Walbourne, Sarah Elsasser, Neil Hutchinson

Notice bibliographique

RevueHydrology research · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensHutchinson (Canada)ASL Environmental Sciences (Canada)Government of Northwest Territories
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBathymetryVolume (thermodynamics)Scale (ratio)Hydrology (agriculture)Surface waterEnvironmental resource managementWater resource managementOceanographyEnvironmental engineeringGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract In Canada's Northwest Territories (NT), industrial activities conducted during the winter, such as ice road construction and exploratory drilling, require the use of water from ice-covered water bodies. Withdrawal in excess of 10% of available under-ice volume can threaten fish habitat or other users. The Land and Water Boards (LWBs) of the Mackenzie Valley require water licences for water withdrawal beyond regulated thresholds. Applicants must provide information including identification and location of proposed water sources, timing and proposed volume of water and winter water withdrawal must be limited to <10% of available volume to protect fish habitat under the ice. Many applicants are at early project stages and the necessary information on bathymetry and volumes of water is not readily available or requires expertise and effort that may not be feasible at the early stages of smaller projects. This paper describes the alternative method for determining available winter water volumes from lakes to support small-scale projects. A simple formula of ‘allowable volume (m3) = surface area (m2) * 0.1 m’ was developed and tested to provide a conservative estimate of under-ice volumes from easily available data which is protective in spite of uncertainties inherent in limited data.

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)0,002
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0200,013

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 Opus0,234
Tête enseignante GPT0,391
Écart entre enseignants0,158 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetClimate change and permafrostTravaux en français237 207