MétaCan
Menu
Retour à la cohorte
Enregistrement W4394488664 · doi:10.6084/m9.figshare.5715727

Change in nutrient loading pattern due to coupled effect of change in concentration and hydroclimatic forces

2017· dataset· en· W4394488664 sur OpenAlexaboutno aff
Farshad Shafiei, Philip D. McLoughlin

Notice bibliographique

RevueFigshare · 2017
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Soil, Plant Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNutrientEnvironmental scienceClimate changeClimatologyGeologyOceanographyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Increase in nutrient loading into large riverine systems is of interest because of long-lasting negative effects on downstream water bodies. We know little of this phenomenon with respect to long-term relationships between water quality metrics and trends in river flow. Here we present a multi-decadal (1937–2014) examination of nutrient transport patterns of the South Saskatchewan and Red Deer Rivers, Canada. Using a multi-method approach, we show a slightly increasing trend in annual volume of water reaching a mid-watershed reservoir (Lake Diefenbaker) concomitant with a change in seasonal variability of flow events from the 1970s. Both total nitrogen (TN) and total phosphorus (TP) flux increased during the period of record. TN concentration increased, while TP concentration decreased. On average, the high-flow season transported 95% of annual TP flux, 75% of annual TN flux, and 65% of annual flow. Inter-annually, high-flow season contributions decreased with respect to water volume, but increased with respect to both TN and TP flux. We believe that changes in variability but also timing of hydroclimatic forces are responsible for observed patterns. Higher flows and more precipitation during the high-flow season are most likely responsible for increasing nutrient load regardless of overall decreases in nutrient concentration.

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)0,000
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 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 enseignants0,812
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,059
Tête enseignante GPT0,279
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAgriculture, Soil, Plant ScienceTravaux en français237 207