A Simple Approach to Modeling Light Attenuation in the Sacramento–San Joaquin Delta Using Commonly Available Data
Notice bibliographique
Résumé
The diffuse attenuation coefficient of photosynthetically active radiation (KdPAR) is commonly used to predict light attenuation in aquatic productivity models, but obtaining measurements of PAR to compute KdPAR is difficult. In situ calculations of KdPAR require multiple measurements of PAR through the water column, and these measurements are infeasible for real-time recording. Instead, predictive models using surface-water measurements may be used. Traditional KdPAR models are based on open-ocean habitats and rely on chlorophyll—as a proxy measurement for phytoplankton abundance—as the main predictive parameter. However, elevated suspended sediments and dissolved organic materials may also affect KdPAR values of inland water bodies and estuaries. In this study, we leverage KdPAR calculations derived from in situ light measurements collected along with surface-water-quality parameters across the Sacramento-San Joaquin River Delta in California, USA (the Delta). Sampling occurred between January of 2013 and May of 2014. We also explored regional and seasonal effects, but these did not clearly affect the model. Ultimately, the best-performing model included surface-level turbidity only (R2 = 0.91). The simplicity of the model facilitates use of KdPAR estimates for a variety of purposes throughout the Delta, including euphotic depth calculations, and as inputs to primary-productivity and habitat-suitability models. We demonstrate the model’s usability with two open-sources data sets (one spatially dense, and one temporally dense), and estimate KdPAR, euphotic depth, and primary productivity within the Delta. We provide calculations for each estimation, allowing users to easily adopt these models and apply them to their own data or with open-sourced data, which are abundant.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».