MétaCan
Menu
Retour à la cohorte
Enregistrement W4396915558 · doi:10.1080/10402381.2024.2333307

Effects of aeration on water quality in agricultural reservoirs in the northern Great Plains

2024· article· en· W4396915558 sur OpenAlexaffabout
Jessica Lerminiaux, Ben Norton, Rikki Jean Wilson, Ryan Rimas, Thomas Michael Lavender, Kerri Finlay

Notice bibliographique

RevueLake and Reservoir Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensGovernment of SaskatchewanSaskatchewan Ministry of AgricultureUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésAerationWater qualityAgricultureEnvironmental scienceHydrology (agriculture)LavenderGeographyEcologyBiologyArchaeologyBotanyGeology

Résumé

récupéré en direct d'OpenAlex

Lerminiaux J, Norton B, Wilson RJ, Rimas R, Lavender TM, Finlay K. 2024. Effects of aeration on water quality in agricultural reservoirs in the northern Great Plains. Lake Reserv Manage. XX:XXX–XX.Aeration of agricultural reservoirs is an encouraged practice in the northern Great Plains of Canada as it can improve water quality by reducing pathogenic bacteria and algal abundance. Cattle also prefer aerated water, resulting in greater weight gain. Despite its known benefits, agricultural reservoir aeration is still not uniformly adopted, largely given its cost of installation and maintenance. Wind powered aeration has been shown to be an eco-friendly and sustainable way to increase oxygen levels in agricultural reservoirs, but the mechanisms by which this aeration can improve water quality are not well documented. By comparing 5 aerated agricultural reservoirs to 5 unaerated agricultural reservoirs, we evaluated whether wind-powered aeration improves water quality. We measured dissolved oxygen, nitrogen, and phosphorus, algal biomass (as chlorophyll a), cyanobacteria abundance, and algal toxins (microcystin, anatoxin-a, and β-N-methylamino-L-alanine) in the aerated and unaerated agricultural reservoirs on a weekly basis over a 12-week period from mid June through August 2022. We found that the aerators were able to mix the water column and add oxygen to deeper regions of the agricultural reservoir, but this did not result in consistent improvements to any measured water quality parameter. The observed lack of a strong response to aeration suggests that this practice may provide only minimal water quality benefits, but aeration may still prove beneficial for deep (>2 m) and sheltered agricultural reservoirs that do not regularly mix from wind effects alone.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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'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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLake and Reservoir ManagementMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207