MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394350340 · doi:10.6084/m9.figshare.20501939

Natural controls on phosphorus concentrations in small Lakes in Central Alberta, Canada

2022· dataset· en· W4394350340 sur OpenAlexaboutno aff
Konstantin von Gunten, David Trew, Brian Smerdon, Daniel S. Alessi

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Water Nutrient Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhosphorusNatural (archaeology)Environmental scienceHydrology (agriculture)GeographyGeologyChemistryArchaeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Small lakes can act as environmental sensors for understanding regional hydrogeological conditions and elemental cycles. Because of their small size, they react quickly to changes in nutrient runoff, groundwater exchange and climate. In the post-glacial landscape of Alberta, the Carvel Pitted Delta harbours a variety of small lakes, which, despite being close together, can have markedly different chemistries and nutrient characteristics. Here, we focused on nine lakes with surface areas <10 ha and maximal depths ranging from 5 to 18 m. We hypothesised that differences in their trophic states are caused by variations in Ca concentrations, controlled by groundwater inputs. All lakes tended toward permanent stratification due to small mixing depths (1.6–2.4 m). The deeper lakes were oligotrophic with high concentrations of Ca and a high fraction of phosphorus (Ca-bound P) in the sediments (HCl extractable fraction). A correlation was found between Ca-bound P and aqueous Ca concentrations at 0.5 m depth, suggesting that P stability could be estimated based on surface water chemistry. Calcium was shown to be concentrated in groundwater located above the bedrock, suggesting that groundwater inputs controlled Ca concentrations in the lakes. We conclude that the hydrogeological conditions and Ca inputs act as natural regulators for P availability and, by extension, water quality in these lakes.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,009
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,193
Écart entre enseignants0,183 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetSoil and Water Nutrient Dynamics→Travaux en français237 207→